Gestión de colas utilizando Ultralytics YOLO26#
¿Qué es la gestión de colas?#
La gestión de colas mediante Ultralytics YOLO26 consiste en organizar y controlar 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 del cliente y el rendimiento del sistema en diversos entornos, como comercios, bancos, aeropuertos y centros sanitarios.
Watch: How to Build a Queue Management System with Ultralytics YOLO26 | Real-Time Queue Analytics 🚀
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 los niveles de satisfacción, ya que los clientes pasan menos tiempo esperando y más tiempo interactuando con productos o servicios.
- Mayor eficiencia: Implementar una 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 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 rápidamente.
- Mejora de la experiencia del cliente: Al reducir la frustración asociada a las esperas prolongadas, las empresas pueden mejorar significativamente la satisfacción y la fidelidad de los clientes.
Aplicaciones en el mundo real#
| Logística | Comercio minorista |
|---|---|
 |  |
| Gestión de colas en el mostrador de billetes de un aeropuerto mediante Ultralytics YOLO26 | Monitorización de colas entre 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, lo que te proporciona la longitud de la cola en directo para escribirla en un vídeo de salida. Pasa una región poligonal que cubra la zona de espera y ejecútala sobre tu fuente de vídeo mediante 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 al archivo del modelo YOLO de Ultralytics. |
region | list o dict | None | Puntos que definen la región de interés, ya sea una lista de tuplas (x, y) o un diccionario que asigne nombres de región a listas de puntos para varias regiones (solo RegionCounter). Cuando None, las soluciones que requieren una región recurren a una región predeterminada. |
line_width | int | 2 | Grosor de línea de las cajas, los puntos clave y los recuentos que dibuja la solución. |
verbose | bool | True | Activa el registro por fotograma de la solución, que incluye la forma de entrada, los recuentos de clases y la velocidad de procesamiento. La llamada de seguimiento en sí siempre es silenciosa. |
La solución QueueManager también admite argumentos de track:
| Argumento | Tipo | Predeterminado | Descripción |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Especifica el algoritmo de seguimiento que se utilizará. Opciones integradas: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Establece el umbral de confianza para 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 superpuestas. |
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 (por ejemplo, cpu, cuda:0 o 0). Permite seleccionar entre la CPU, una GPU específica u otros dispositivos de cálculo para ejecutar el modelo. |
imgsz | int or tuple | 640 | Tamaño de imagen de inferencia objetivo: un número entero para una imagen cuadrada o un par (height, width). Las formas se ajustan al paso del modelo. |
max_det | int | 300 | Número máximo de detecciones conservadas 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/sin definir (FP32) para los modelos de PyTorch y TorchScript; otros formatos calculan a la precisión que seleccionan su artefacto y su motor de ejecución. Sustituye al indicador obsoleto half. |
Además, están disponibles los siguientes parámetros de visualización:
| Argumento | Tipo | Predeterminado | Descripción |
|---|---|---|---|
show | bool | False | Si True, muestra las imágenes o 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 las etiquetas de cada detección en la salida visual. Proporciona una comprensión 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 regiones de cola adecuadas: Establece cuidadosamente los límites de la cola según la distribución física de tu espacio.
- Ajusta la confianza de detección: Perfecciona el umbral de confianza según las condiciones de iluminación y la densidad de la multitud.
- Integra 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, puedes seguir estos pasos:
- Carga el modelo YOLO26 con
YOLO("yolo26n.pt"). - Captura el flujo de vídeo mediante
cv2.VideoCapture. - Define la región de interés (ROI) para la gestión de colas.
- Procesa los fotogramas para detectar objetos y gestionar las colas.
Este es 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 success: results = queuemanager(im0) cap.release() cv2.destroyAllWindows()Aprovechar Ultralytics Platform puede agilizar este proceso al ofrecer una plataforma fácil de usar para implementar y gestionar tu solución de gestión de colas.
- Carga el modelo YOLO26 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, reduciendo así los costes.
- Alertas en tiempo real: Proporciona notificaciones en tiempo real sobre las colas largas, lo que permite intervenir rápidamente.
- Escalabilidad: Se puede ampliar fácilmente a distintos entornos, como comercios, aeropuertos y centros sanitarios.
Para obtener más información, explora nuestras soluciones de gestión de colas.
Ultralytics YOLO26 ofrece varias ventajas frente a TensorFlow y Detectron2 para gestionar colas:
- Rendimiento en tiempo real: YOLO26 es conocido por sus capacidades de detección en tiempo real y ofrece velocidades de procesamiento superiores.
- Facilidad de uso: Ultralytics ofrece una experiencia fácil de usar, desde el entrenamiento hasta la implementación, mediante Ultralytics Platform.
- Modelos preentrenados: Permite acceder a una amplia variedad de modelos preentrenados, lo que reduce el tiempo necesario para la configuración.
- Asistencia de la comunidad: La amplia documentación y la activa asistencia de la comunidad facilitan la resolución de problemas.
Aprende a empezar a usar Ultralytics YOLO.
Sí, Ultralytics YOLO26 puede gestionar distintos tipos de colas, incluidas las de aeropuertos y comercios. Al configurar QueueManager con regiones y ajustes específicos, YOLO26 puede adaptarse a diferentes distribuciones y densidades de cola.
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 del mundo real.
Ultralytics YOLO26 se utiliza en diversas aplicaciones reales de gestión de colas:
- Comercio minorista: Monitoriza las filas de las cajas para reducir los tiempos de espera y mejorar la satisfacción de los clientes.
- Aeropuertos: Gestiona las colas de los mostradores de facturación y los controles de seguridad para ofrecer una experiencia más fluida a los pasajeros.
- 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 blog sobre la gestión de colas en el mundo real para saber más sobre cómo la visión artificial está transformando la monitorización de colas en distintos sectores.