Gestión de colas con Ultralytics YOLO26#
¿Qué es la gestión de colas?#
La gestión de colas con Ultralytics YOLO26 consiste en organizar y controlar las filas de personas o vehículos para reducir los tiempos de espera y mejorar la eficiencia. Se trata de optimizar las colas para mejorar la satisfacción de los clientes y el rendimiento del sistema en distintos entornos, como tiendas, bancos, aeropuertos y centros sanitarios.
Ver: Cómo crear un sistema de gestión de colas con Ultralytics YOLO26 | Análisis de colas en tiempo real 🚀
Ventajas de la gestión de colas#
- Reducción de los tiempos de espera: Los sistemas de gestión de colas organizan las filas de forma eficiente y minimizan los tiempos de espera de los clientes. Esto mejora su satisfacción, ya que pasan menos tiempo esperando y más tiempo interactuando con los productos o servicios.
- Mayor eficiencia: La implantación de la gestión de colas permite a las empresas asignar los recursos de forma más eficaz. Al analizar los datos de las colas y optimizar la distribución del personal, las empresas pueden agilizar las operaciones, reducir los costes y mejorar la productividad general.
- Información en tiempo real: La gestión de colas basada en YOLO26 proporciona datos instantáneos sobre la longitud de las colas y los tiempos de espera, lo que permite a los responsables tomar decisiones fundamentadas con rapidez.
- Mejora de la experiencia del cliente: Al reducir la frustración asociada a las largas esperas, las empresas pueden mejorar considerablemente la satisfacción y la fidelidad de sus clientes.
Aplicaciones reales#
| Logística | Comercio minorista |
|---|---|
 |  |
| Gestión de colas en el mostrador de venta de billetes de un aeropuerto con Ultralytics YOLO26 | Supervisión de una cola en una multitud con Ultralytics YOLO26 |
Gestiona las colas con YOLO26#
La solución QueueManager cuenta los objetos que permanecen dentro de una región definida en cada fotograma y proporciona la longitud de la cola en directo, que puedes escribir en un vídeo de salida. Pasa una región poligonal que cubra la zona de espera y ejecútala sobre la fuente de vídeo con la API de Python o la CLI.
# Run a queue example
yolo solutions queue show=True
# Pass a source video
yolo solutions queue source="path/to/video.mp4"
# Pass queue coordinates
yolo solutions queue region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"Argumentos de QueueManager#
Aquí tienes una tabla con los argumentos de QueueManager:
| Argumento | Tipo | Predeterminado | Descripción |
|---|---|---|---|
model | str | None | Ruta a un archivo de modelo Ultralytics YOLO. |
region | list o dict | None | Puntos que definen la región de interés, ya sea una lista de tuplas (x, y) o un diccionario que asigna nombres de región a listas de puntos para varias regiones (solo RegionCounter). Si None, las soluciones que requieren una región usan una región predeterminada predefinida. |
line_width | int | 2 | Grosor de línea de los cuadros, puntos clave y recuentos que dibuja la solución. |
verbose | bool | True | Activa el registro por fotograma de la forma de entrada, los recuentos por clase y la velocidad de procesamiento de la solución. La llamada de seguimiento en sí siempre es silenciosa. |
La solución QueueManager también admite los argumentos track:
| Argumento | Tipo | Predeterminado | Descripción |
|---|---|---|---|
tracker | str | 'tracktrack.yaml' | Especifica el algoritmo de seguimiento que se va a usar. Opciones integradas: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Establece el umbral de confianza de las detecciones; los valores más bajos permiten seguir más objetos, pero pueden incluir falsos positivos. |
iou | float | 0.7 | Establece el umbral de intersección sobre unión (IoU) para filtrar las detecciones solapadas. |
classes | list | None | Filtra los resultados por índice de clase. Por ejemplo, classes=[0, 2, 3] solo sigue las clases especificadas. |
device | str | None | Especifica el dispositivo para la inferencia (p. ej., cpu, cuda:0 o 0). Permite elegir entre CPU, una GPU concreta u otros dispositivos de cálculo para ejecutar el modelo. |
imgsz | int or tuple | 640 | Tamaño de imagen de destino para la inferencia: un entero para una imagen cuadrada o una pareja (height, width). Las dimensiones se ajustan al stride del modelo. |
max_det | int | 300 | Número máximo de detecciones que se conservan por fotograma antes del seguimiento, lo que limita los objetos que procesa una solución en escenas densas. |
quantize | int or str | None | Precisión de inferencia: 16 (FP16) o 32/unset (FP32) para los modelos PyTorch y TorchScript fuera de CPU; los demás formatos usan la precisión que seleccionen el artefacto y el entorno de ejecución. Sustituye al argumento obsoleto half. |
Además, están disponibles los siguientes parámetros de visualización:
| Argumento | Tipo | Predeterminado | Descripción |
|---|---|---|---|
show | bool | False | Si True, muestra las imágenes o los vídeos anotados en una ventana. Es útil para obtener información visual inmediata durante el desarrollo o las pruebas. |
show_conf | bool | True | Muestra la puntuación de confianza de cada detección junto a su etiqueta. Permite conocer el grado de certeza del modelo para cada detección. |
show_labels | bool | True | Muestra etiquetas para cada detección en la salida visual. Facilita la identificación inmediata de los objetos detectados. |
Estrategias de implementación#
Al implementar la gestión de colas con YOLO26, ten en cuenta estas prácticas recomendadas:
- Colocación estratégica de las cámaras: Coloca las cámaras de forma que capten toda la zona de la cola sin obstáculos.
- Define las regiones de cola adecuadas: Establece cuidadosamente los límites de la cola en función de la distribución física de tu espacio.
- Ajusta la confianza de detección: Ajusta el umbral de confianza según las condiciones de iluminación y la densidad de la multitud.
- Intégrala con los sistemas existentes: Conecta tu solución de gestión de colas con sistemas de señalización digital o de notificación al personal para automatizar las respuestas.
Preguntas frecuentes#
Para usar Ultralytics YOLO26 para gestionar colas en tiempo real, sigue estos pasos:
- Captura la señal de vídeo con
cv2.VideoCapture. - Define la región de interés (ROI) para la gestión de colas.
- Inicializa
solutions.QueueManagercon un modelo YOLO26, comoyolo26n.pt, y la región. - Procesa los fotogramas para detectar objetos y gestionar las colas.
Aquí tienes un ejemplo mínimo:
import cv2 from ultralytics import solutions cap = cv2.VideoCapture("path/to/video.mp4") queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)] queuemanager = solutions.QueueManager( model="yolo26n.pt", region=queue_region, line_width=3, show=True, ) while cap.isOpened(): success, im0 = cap.read() if not success: break results = queuemanager(im0) cap.release() cv2.destroyAllWindows()Usar Ultralytics Platform puede agilizar este proceso, ya que ofrece una plataforma fácil de usar para entrenar y desplegar los modelos que sustentan tu solución de gestión de colas.
- Captura la señal de vídeo con
Usar Ultralytics YOLO26 para gestionar colas ofrece varias ventajas:
- Reducción drástica de los tiempos de espera: Organiza las colas de forma eficiente, reduce los tiempos de espera de los clientes y aumenta su satisfacción.
- Mayor eficiencia: Analiza los datos de las colas para optimizar la distribución del personal y las operaciones, y así reducir los costes.
- Información en tiempo real: Proporciona el recuento de personas en la cola en directo para cada fotograma, lo que permite intervenir rápidamente cuando las filas crecen.
- Escalabilidad: Se adapta fácilmente a distintos entornos, como tiendas, aeropuertos y centros sanitarios.
Para obtener más información, descubre nuestras soluciones de gestión de colas.
Ultralytics YOLO26 ofrece varias ventajas frente a TensorFlow y Detectron2 para gestionar colas:
- Rendimiento en tiempo real: YOLO26 destaca por su capacidad de detección en tiempo real y ofrece velocidades de procesamiento más rápidas.
- Facilidad de uso: Ultralytics ofrece una experiencia sencilla, desde el entrenamiento hasta el despliegue, mediante Ultralytics Platform.
- Modelos preentrenados: Accede a una variedad de modelos preentrenados y reduce el tiempo necesario para la configuración.
- Apoyo de la comunidad: La amplia documentación y el apoyo activo de la comunidad facilitan la resolución de problemas.
Descubre cómo empezar con Ultralytics YOLO.
Sí, Ultralytics YOLO26 puede gestionar distintos tipos de colas, incluidas las de aeropuertos y tiendas. Al configurar QueueManager con regiones y ajustes específicos, YOLO26 puede adaptarse a distintas distribuciones y densidades de colas.
Ejemplo para aeropuertos:
queue_region_airport = [(50, 600), (1200, 600), (1200, 550), (50, 550)] queue_airport = solutions.QueueManager( model="yolo26n.pt", region=queue_region_airport, line_width=3, )Para obtener más información sobre diversas aplicaciones, consulta nuestra sección de aplicaciones en el mundo real.
Ultralytics YOLO26 se utiliza en diversas aplicaciones reales para la gestión de colas:
- Comercio minorista: Supervisa las colas de caja para reducir los tiempos de espera y mejorar la satisfacción de los clientes.
- Aeropuertos: Gestiona las colas en los mostradores de venta de billetes y los controles de seguridad para que la experiencia de los pasajeros sea más fluida.
- Sanidad: Optimiza el flujo de pacientes en clínicas y hospitales.
- Bancos: Mejora la atención al cliente mediante una gestión eficiente de las colas en los bancos.
Consulta nuestro artículo del blog sobre la gestión de colas en el mundo real para descubrir cómo la visión artificial está transformando la supervisión de colas en distintos sectores.