Conteo de objetos con Ultralytics YOLO26#

Para contar objetos en un vídeo con Ultralytics YOLO26, sigue estos pasos:

1. Importa las bibliotecas necesarias (cv2, ultralytics).
2. Define la región de conteo (por ejemplo, un polígono, una línea, etc.).
3. Configura la captura de vídeo e inicializa el contador de objetos.
4. Procesa cada fotograma para seguir los objetos y contarlos dentro de la región definida.

Aquí tienes un ejemplo sencillo para contar objetos en una región:

import cv2

from ultralytics import solutions

def count_objects_in_region(video_path, output_video_path, model_path):
    """Count objects in a specific region within a video."""
    cap = cv2.VideoCapture(video_path)
    assert cap.isOpened(), "Error reading video file"
    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(output_video_path, cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

    region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360)]
    counter = solutions.ObjectCounter(show=True, region=region_points, model=model_path)

    while cap.isOpened():
        success, im0 = cap.read()
        if not success:
            print("Video frame is empty or processing is complete.")
            break
        results = counter(im0)
        video_writer.write(results.plot_im)

    cap.release()
    video_writer.release()
    cv2.destroyAllWindows()

count_objects_in_region("path/to/video.mp4", "output_video.avi", "yolo26n.pt")

Para ver configuraciones y opciones más avanzadas, consulta la solución RegionCounter, que permite contar objetos simultáneamente en varias regiones.

Usar Ultralytics YOLO26 para contar objetos ofrece varias ventajas:

1. Optimización de recursos: Facilita una gestión eficiente de los recursos al proporcionar recuentos precisos y ayudar a optimizar la asignación de recursos en sectores como la gestión de inventario.
2. Mayor seguridad: Mejora la seguridad y la vigilancia al realizar un seguimiento y contar entidades con precisión, lo que contribuye a la detección proactiva de amenazas y a los sistemas de seguridad.
3. Toma de decisiones fundamentada: Ofrece información valiosa para tomar decisiones y optimizar procesos en ámbitos como el comercio minorista, la gestión del tráfico y otros.
4. Procesamiento en tiempo real: La arquitectura de YOLO26 permite la inferencia en tiempo real, por lo que es ideal para flujos de vídeo en directo y aplicaciones sensibles al tiempo.

Para ver ejemplos de implementación y aplicaciones prácticas, explora la solución TrackZone, que permite seguir objetos en zonas concretas.

Para contar clases concretas de objetos con Ultralytics YOLO26, debes especificar las clases que te interesan durante la fase de seguimiento. A continuación tienes un ejemplo en Python:

import cv2

from ultralytics import solutions

def count_specific_classes(video_path, output_video_path, model_path, classes_to_count):
    """Count specific classes of objects in a video."""
    cap = cv2.VideoCapture(video_path)
    assert cap.isOpened(), "Error reading video file"
    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(output_video_path, cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

    line_points = [(20, 400), (1080, 400)]
    counter = solutions.ObjectCounter(show=True, region=line_points, model=model_path, classes=classes_to_count)

    while cap.isOpened():
        success, im0 = cap.read()
        if not success:
            print("Video frame is empty or processing is complete.")
            break
        results = counter(im0)
        video_writer.write(results.plot_im)

    cap.release()
    video_writer.release()
    cv2.destroyAllWindows()

count_specific_classes("path/to/video.mp4", "output_specific_classes.avi", "yolo26n.pt", [0, 2])

En este ejemplo, classes_to_count=[0, 2] significa que cuenta los objetos de la clase 0 y la clase 2 (por ejemplo, persona y coche en el conjunto de datos COCO). Encontrarás más información sobre los índices de clase en la documentación del conjunto de datos COCO.

Ultralytics YOLO26 ofrece varias ventajas frente a otros modelos de detección de objetos, como Faster R-CNN, SSD y versiones anteriores de YOLO:

1. Velocidad y eficiencia: YOLO26 ofrece capacidades de procesamiento en tiempo real, por lo que es ideal para aplicaciones que requieren inferencias de alta velocidad, como la vigilancia y la conducción autónoma.
2. Precisión: Ofrece una precisión de detección y seguimiento de última generación, reduce los falsos positivos y mejora la fiabilidad general del sistema.
3. Facilidad de integración: YOLO26 se integra sin problemas con diversas plataformas y dispositivos, incluidos dispositivos móviles y dispositivos periféricos, algo fundamental para las aplicaciones modernas de IA.
4. Flexibilidad: Admite tareas de detección y segmentación, además del modo de seguimiento, y permite configurar modelos para satisfacer los requisitos de casos de uso concretos.

Consulta la documentación de YOLO26 de Ultralytics para profundizar en sus funciones y comparar su rendimiento.

Sí, Ultralytics YOLO26 es ideal para aplicaciones avanzadas, como el análisis de multitudes y la gestión del tráfico, gracias a sus capacidades de detección en tiempo real, su escalabilidad y su flexibilidad de integración. Sus funciones avanzadas permiten seguir, contar y clasificar objetos con gran precisión en entornos dinámicos. Algunos casos de uso son:

• Análisis de multitudes: Supervisa y gestiona grandes concentraciones de personas, garantiza la seguridad y optimiza el flujo de la multitud con el conteo por regiones.
• Gestión del tráfico: Sigue y cuenta vehículos, analiza patrones de tráfico y gestiona la congestión en tiempo real mediante la estimación de velocidad.
• Análisis del comercio minorista: Analiza los patrones de movimiento de los clientes y sus interacciones con los productos para optimizar la distribución de las tiendas y mejorar la experiencia del cliente.
• Automatización industrial: Cuenta productos en cintas transportadoras y supervisa líneas de producción para controlar la calidad y mejorar la eficiencia.

Para aplicaciones más especializadas, explora las soluciones de Ultralytics, un conjunto completo de herramientas diseñadas para afrontar retos reales de visión artificial.