Gestión de colas mediante Ultralytics YOLO11 🚀

¿Qué es la gestión de colas?

La gestión de colas mediante Ultralytics YOLO11 consiste en organizar y controlar colas de personas o vehículos para reducir los tiempos de espera y mejorar la eficacia. Se trata de optimizar las colas para mejorar la satisfacción del cliente y el rendimiento del sistema en diversos entornos, como comercios, bancos, aeropuertos y centros sanitarios.

Observa: Cómo implantar la gestión de colas con Ultralytics YOLO11 | Aeropuerto y estación de metro

Ventajas de la gestión de colas

Tiempos de espera reducidos: Los sistemas de gestión de colas organizan eficazmente las colas, minimizando los tiempos de espera de los clientes. Esto mejora los niveles de satisfacción, ya que los clientes pasan menos tiempo esperando y más tiempo interactuando con los productos o servicios.
Mayor eficacia: La implantación de la gestión de colas permite a las empresas asignar recursos de forma más eficaz. Analizando los datos de las colas y optimizando el despliegue de personal, las empresas pueden agilizar las operaciones, reducir costes y mejorar la productividad general.
Información en tiempo real: La gestión de colas YOLO11 proporciona datos instantáneos sobre la longitud de las colas y los tiempos de espera, lo que permite a los gestores tomar decisiones informadas rápidamente.
Mejora de la experiencia del cliente: Al reducir la frustración asociada a las largas esperas, las empresas pueden mejorar significativamente la satisfacción y fidelidad de los clientes.

Aplicaciones en el mundo real

Logística	Venta al por menor

Gestión de colas en las taquillas del aeropuerto Utilización Ultralytics YOLO11	Control de colas en aglomeraciones Ultralytics YOLO11

Gestión de colas mediante Ultralytics YOLO

CLIPython

# 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)]"

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# 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("queue_management.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Define queue points
queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)]  # region points
# queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360), (20, 400)]    # polygon points

# Initialize queue manager object
queuemanager = solutions.QueueManager(
    show=True,  # display the output
    model="yolo11n.pt",  # path to the YOLO11 model file
    region=queue_region,  # pass queue region points
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or processing is complete.")
        break
    results = queuemanager(im0)

    # print(results)  # access the output

    video_writer.write(results.plot_im)  # write the processed frame.

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

`QueueManager` Argumentos

Aquí tiene una tabla con los QueueManager argumentos:

Argumento	Tipo	Por defecto	Descripción
`model`	`str`	`None`	Ruta al archivo del modeloYOLO Ultralytics .
`region`	`list`	`[(20, 400), (1260, 400)]`	Lista de puntos que definen la región de recuento.

En QueueManagement también admite algunos track argumentos:

Argumento	Tipo	Por defecto	Descripción
`tracker`	`str`	`'botsort.yaml'`	Especifica el algoritmo de seguimiento a utilizar, por ejemplo, `bytetrack.yaml` o `botsort.yaml`.
`conf`	`float`	`0.3`	Establece el umbral de confianza para las detecciones; los valores más bajos permiten rastrear más objetos pero pueden incluir falsos positivos.
`iou`	`float`	`0.5`	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]` sólo rastrea las clases especificadas.
`verbose`	`bool`	`True`	Controla la visualización de los resultados del rastreo, proporcionando una salida visual de los objetos rastreados.
`device`	`str`	`None`	Especifica el dispositivo para la inferencia (por ejemplo, `cpu`, `cuda:0` o `0`). Permite a los usuarios seleccionar entre CPU, un GPU específico u otros dispositivos de cálculo para la ejecución del modelo.

Además, están disponibles los siguientes parámetros de visualización:

Argumento	Tipo	Por defecto	Descripción
`show`	`bool`	`False`	Si `True`muestra las imágenes o vídeos anotados en una ventana. Resulta útil para obtener información visual inmediata durante el desarrollo o las pruebas.
`line_width`	`None or int`	`None`	Especifica el ancho de línea de los cuadros delimitadores. Si `None`El ancho de línea se ajusta automáticamente en función del tamaño de la imagen. Proporciona personalización visual para mayor claridad.

Estrategias de aplicación

Al implantar la gestión de colas con YOLO11, tenga en cuenta estas prácticas recomendadas:

Colocación estratégica de cámaras: Coloque las cámaras de forma que capten toda la zona de colas sin obstrucciones.
Defina regiones de cola adecuadas: Establezca cuidadosamente los límites de las colas en función de la distribución física de su espacio.
Ajuste de la confianza de detección: Ajusta el umbral de confianza en función de las condiciones de iluminación y la densidad de la multitud.
Integración con sistemas existentes: Conecte su solución de gestión de colas con sistemas de señalización digital o de notificación al personal para obtener respuestas automatizadas.

PREGUNTAS FRECUENTES

¿Cómo puedo utilizar Ultralytics YOLO11 para la gestión de colas en tiempo real?

Para utilizar Ultralytics YOLO11 para la gestión de colas en tiempo real, puede seguir estos pasos:

Cargue el modelo YOLO11 con YOLO("yolo11n.pt").
Captura la señal de vídeo con cv2.VideoCapture.
Defina la región de interés (ROI) para la gestión de colas.
Procesar tramas para detectar objetos y gestionar colas.

He aquí 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="yolo11n.pt",
    region=queue_region,
    line_width=3,
    show=True,
)

while cap.isOpened():
    success, im0 = cap.read()
    if success:
        results = queuemanager(im0)

cap.release()
cv2.destroyAllWindows()

Aprovechar Ultralytics HUB puede agilizar este proceso proporcionando una plataforma fácil de usar para desplegar y gestionar su solución de gestión de colas.

¿Cuáles son las principales ventajas de utilizar Ultralytics YOLO11 para la gestión de colas?

El uso de Ultralytics YOLO11 para la gestión de colas ofrece varias ventajas:

Caída en picado de los tiempos de espera: Organiza eficazmente las colas, reduciendo el tiempo de espera de los clientes y aumentando su satisfacción.
Mejora de la eficiencia: Analiza los datos de las colas para optimizar el despliegue de personal y las operaciones, reduciendo así los costes.
Alertas en tiempo real: Proporciona notificaciones en tiempo real para colas largas, lo que permite una intervención rápida.
Escalabilidad: Fácilmente escalable en diferentes entornos como comercios, aeropuertos y sanidad.

Para más detalles, explore nuestras soluciones de gestión de colas.

¿Por qué debería elegir Ultralytics YOLO11 en lugar de competidores como TensorFlow o Detectron2 para la gestión de colas?

Ultralytics YOLO11 tiene varias ventajas sobre TensorFlow y Detectron2 para la gestión de colas:

Rendimiento en tiempo real: YOLO11 es conocido por su capacidad de detección en tiempo real, que ofrece una mayor velocidad de procesamiento.
Facilidad de uso: Ultralytics ofrece una experiencia de uso sencilla, desde la formación hasta la implantación, a través de Ultralytics HUB.
Modelos preentrenados: Acceso a una gama de modelos preentrenados, lo que minimiza 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.

Aprenda a empezar con Ultralytics YOLO.

¿Puede Ultralytics YOLO11 gestionar varios tipos de colas, como en aeropuertos y comercios?

Sí, Ultralytics YOLO11 puede gestionar varios tipos de colas, incluidas las de aeropuertos y entornos comerciales. Configurando el QueueManager con regiones y ajustes específicos, YOLO11 puede adaptarse a diferentes disposiciones y densidades de colas.

Ejemplo para los aeropuertos:

queue_region_airport = [(50, 600), (1200, 600), (1200, 550), (50, 550)]
queue_airport = solutions.QueueManager(
    model="yolo11n.pt",
    region=queue_region_airport,
    line_width=3,
)

Para más información sobre diversas aplicaciones, consulte nuestra sección Aplicaciones en el mundo real.

¿Cuáles son algunas aplicaciones reales de Ultralytics YOLO11 en la gestión de colas?

Ultralytics YOLO11 se utiliza en diversas aplicaciones del mundo real para la gestión de colas:

Comercio minorista: Supervisa las líneas de caja para reducir los tiempos de espera y mejorar la satisfacción del cliente.
Aeropuertos: Gestiona las colas en los mostradores de venta de billetes y los controles de seguridad para facilitar la experiencia de los pasajeros.
Sanidad: Optimiza el flujo de pacientes en clínicas y hospitales.
Bancos: Mejora el servicio al cliente gestionando eficazmente las colas en los bancos.

Consulte nuestro blog sobre gestión de colas en el mundo real para saber más sobre cómo la visión por ordenador está transformando la supervisión de colas en todos los sectores.

Creado hace 12 meses ✏️ Actualizado hace 8 días