Objektzählung in verschiedenen Regionen mit Ultralytics YOLO 🚀
Was ist Objektzählung in Regionen?
Objektzählung in Regionen mit Ultralytics YOLO26 beinhaltet die präzise Bestimmung der Anzahl von Objekten innerhalb festgelegter Bereiche mithilfe fortschrittlicher Computer Vision. Dieser Ansatz ist wertvoll zur Optimierung von Abläufen, zur Erhöhung der Sicherheit und zur Verbesserung der Effizienz in verschiedenen Anwendungen.
Watch: Object Counting in Different Regions using Ultralytics YOLO26 | Ultralytics Solutions 🚀
Vorteile der Objektzählung in Regionen
- Präzision und Genauigkeit: Die Objektzählung in Regionen mit fortschrittlicher Computer Vision stellt präzise und genaue Zählungen sicher und minimiert Fehler, die oft mit manuellem Zählen verbunden sind.
- Effizienzsteigerung: Die automatisierte Objektzählung verbessert die betriebliche Effizienz, liefert Echtzeitergebnisse und optimiert Prozesse in verschiedenen Anwendungen.
- Vielseitigkeit und Anwendung: Die Vielseitigkeit der Objektzählung in Regionen macht sie in verschiedenen Bereichen anwendbar, von der Fertigung und Überwachung bis hin zur Verkehrsüberwachung, was zu ihrem weitreichenden Nutzen und ihrer Effektivität beiträgt.
Anwendungen in der Praxis
| Einzelhandel | Marktstraßen |
|---|---|
![]() | ![]() |
| Personenzählung in verschiedenen Regionen mit Ultralytics YOLO26 | Menschenmengen-Zählung in verschiedenen Regionen mit Ultralytics YOLO26 |
Anwendungsbeispiele
import cv2
from ultralytics import solutions
cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"
# Pass region as list
# region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360)]
# Pass region as dictionary
region_points = {
"region-01": [(50, 50), (250, 50), (250, 250), (50, 250)],
"region-02": [(640, 640), (780, 640), (780, 720), (640, 720)],
}
# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("region_counting.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
# Initialize region counter object
regioncounter = solutions.RegionCounter(
show=True, # display the frame
region=region_points, # pass region points
model="yolo26n.pt", # model for counting in regions, e.g., yolo26s.pt
)
# Process video
while cap.isOpened():
success, im0 = cap.read()
if not success:
print("Video frame is empty or processing is complete.")
break
results = regioncounter(im0)
# print(results) # access the output
video_writer.write(results.plot_im)
cap.release()
video_writer.release()
cv2.destroyAllWindows() # destroy all opened windowsDas Regionszählungsmodul von Ultralytics ist in unserem Beispielbereich verfügbar. Du kannst dieses Beispiel erkunden, um den Code anzupassen und für deinen spezifischen Anwendungsfall zu modifizieren.
RegionCounter Argumente
Hier ist eine Tabelle mit den RegionCounter Argumenten:
| Argument | Typ | Standard | Beschreibung |
|---|---|---|---|
model | str | None | Pfad zu einer Ultralytics YOLO-Modelldatei. |
region | list | '[(20, 400), (1260, 400)]' | Liste von Punkten, die den Zählbereich definieren. |
Die RegionCounter Lösung ermöglicht die Verwendung von Objektverfolgungsparametern:
| Argument | Typ | Standard | Beschreibung |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Legt den zu verwendenden Tracking-Algorithmus fest, z. B. bytetrack.yaml oder botsort.yaml. |
conf | float | 0.1 | Legt den Konfidenz-Schwellenwert für Detektionen fest; niedrigere Werte ermöglichen die Verfolgung von mehr Objekten, können aber zu falsch-positiven Ergebnissen führen. |
iou | float | 0.7 | Legt den Intersection over Union (IoU) Schwellenwert zum Filtern überlappender Detektionen fest. |
classes | list | None | Filtert Ergebnisse nach Klassen-Index. Beispiel: classes=[0, 2, 3] verfolgt nur die angegebenen Klassen. |
verbose | bool | True | Steuert die Anzeige der Tracking-Ergebnisse und liefert eine visuelle Ausgabe der verfolgten Objekte. |
device | str | None | Spezifiziert das Gerät für die Inferenz (z. B. cpu, cuda:0 oder 0). Ermöglicht die Wahl zwischen CPU, einer spezifischen GPU oder anderen Recheneinheiten zur Modellausführung. |
Zusätzlich werden die folgenden Visualisierungseinstellungen unterstützt:
| Argument | Typ | Standard | Beschreibung |
|---|---|---|---|
show | bool | False | Wenn True, werden die annotierten Bilder oder Videos in einem Fenster angezeigt. Nützlich für direktes visuelles Feedback während der Entwicklung oder beim Testen. |
line_width | int or None | None | Gibt die Linienbreite der Bounding-Boxen an. Wenn None, wird die Linienbreite automatisch basierend auf der Bildgröße angepasst. Bietet visuelle Anpassung für mehr Klarheit. |
show_conf | bool | True | Zeigt den Konfidenzwert für jede Erkennung neben dem Label an. Gibt Aufschluss über die Sicherheit des Modells bei jeder Erkennung. |
show_labels | bool | True | Zeigt Labels für jede Erkennung in der visuellen Ausgabe an. Bietet unmittelbares Verständnis der erkannten Objekte. |
FAQ
Was ist Objektzählung in spezifizierten Regionen mit Ultralytics YOLO26?
Objektzählung in spezifizierten Regionen mit Ultralytics YOLO26 beinhaltet das Erkennen und Zählen der Anzahl von Objekten innerhalb definierter Bereiche mittels fortschrittlicher Computer Vision. Diese präzise Methode verbessert die Effizienz und Genauigkeit in verschiedenen Anwendungen wie Fertigung, Überwachung und Verkehrsüberwachung.
Wie führe ich das regionsbasierte Objektzählungsskript mit Ultralytics YOLO26 aus?
Befolge diese Schritte, um die Objektzählung in Ultralytics YOLO26 auszuführen:
-
Klone das Ultralytics Repository und navigiere zu dem Verzeichnis:
git clone https://github.com/ultralytics/ultralytics cd ultralytics/examples/YOLOv8-Region-Counter -
Führe das Regionszählungsskript aus:
python yolov8_region_counter.py --source "path/to/video.mp4" --save-img
Für weitere Optionen besuche den Abschnitt Nutzungsbeispiele.
Warum sollte ich Ultralytics YOLO26 für die Objektzählung in Regionen verwenden?
Die Verwendung von Ultralytics YOLO26 für die Objektzählung in Regionen bietet mehrere Vorteile:
- Echtzeitverarbeitung: Die Architektur von YOLO26 ermöglicht schnelle Inferenz, was sie ideal für Anwendungen macht, die unmittelbare Zählergebnisse erfordern.
- Flexible Regionsdefinition: Die Lösung ermöglicht es dir, mehrere benutzerdefinierte Regionen als Polygone, Rechtecke oder Linien zu definieren, um deinen spezifischen Überwachungsanforderungen gerecht zu werden.
- Multi-Klassen-Unterstützung: Zähle verschiedene Objekttypen gleichzeitig innerhalb derselben Regionen, was eine umfassende Analyse ermöglicht.
- Integrationsmöglichkeiten: Einfache Integration in bestehende Systeme über die Ultralytics Python API oder die Befehlszeilenschnittstelle.
Entdecke tiefergehende Vorteile im Abschnitt Vorteile.
Was sind einige reale Anwendungen der Objektzählung in Regionen?
Die Objektzählung mit Ultralytics YOLO26 kann auf zahlreiche reale Szenarien angewendet werden:
- Einzelhandelsanalytik: Zähle Kunden in verschiedenen Ladenbereichen, um Layout und Personalplanung zu optimieren.
- Verkehrsmanagement: Überwache den Fahrzeugfluss in bestimmten Straßenabschnitten oder Kreuzungen.
- Fertigung: Verfolge Produkte, die sich durch verschiedene Produktionszonen bewegen.
- Lagerbetrieb: Zähle Inventargegenstände in dafür vorgesehenen Lagerbereichen.
- Öffentliche Sicherheit: Überwache die Menschendichte in bestimmten Zonen während Veranstaltungen.
Entdecke weitere Beispiele im Abschnitt Reale Anwendungen und die TrackZone Lösung für zusätzliche zonengestützte Überwachungsfunktionen.

