Gestión de colas mediante Ultralytics YOLOv8 🚀

¿Qué es la Gestión de Colas?

La gestión de colas mediante Ultralytics YOLOv8 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 YOLOv8 | 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.

Aplicaciones en el mundo real

Logística	Venta al por menor
Gestión de colas en el mostrador de venta de billetes del aeropuerto Utilización Ultralytics YOLOv8	Control de colas en multitudes Ultralytics YOLOv8

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")

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

queue_region = [(20, 400), (1080, 404), (1080, 360), (20, 360)]

queue = solutions.QueueManager(
    names=model.names,
    reg_pts=queue_region,
    line_thickness=3,
    fontsize=1.0,
    region_color=(255, 144, 31),
)

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

    if success:
        tracks = model.track(im0, show=False, persist=True, verbose=False)
        out = queue.process_queue(im0, tracks)

        video_writer.write(im0)
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
        continue

    print("Video frame is empty or video processing has been successfully completed.")
    break

cap.release()
cv2.destroyAllWindows()

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")

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

queue_region = [(20, 400), (1080, 404), (1080, 360), (20, 360)]

queue = solutions.QueueManager(
    names=model.names,
    reg_pts=queue_region,
    line_thickness=3,
    fontsize=1.0,
    region_color=(255, 144, 31),
)

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

    if success:
        tracks = model.track(im0, show=False, persist=True, verbose=False, classes=0)  # Only person class
        out = queue.process_queue(im0, tracks)

        video_writer.write(im0)
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
        continue

    print("Video frame is empty or video processing has been successfully completed.")
    break

cap.release()
cv2.destroyAllWindows()

Argumentos QueueManager

Argumentos model.track

PREGUNTAS FRECUENTES

¿Cómo puedo utilizar Ultralytics YOLOv8 para la gestión de colas en tiempo real?

Para utilizar Ultralytics YOLOv8 para la gestión de colas en tiempo real, puedes seguir estos pasos:

1. Carga el modelo YOLOv8 con YOLO("yolov8n.pt").
2. Captura la señal de vídeo utilizando cv2.VideoCapture.
3. Define la región de interés (ROI) para la gestión de colas.
4. Procesa tramas para detectar objetos y gestionar colas.

He aquí un ejemplo mínimo:

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video.mp4")
queue_region = [(20, 400), (1080, 404), (1080, 360), (20, 360)]

queue = solutions.QueueManager(
    names=model.names,
    reg_pts=queue_region,
    line_thickness=3,
    fontsize=1.0,
    region_color=(255, 144, 31),
)

while cap.isOpened():
    success, im0 = cap.read()
    if success:
        tracks = model.track(im0, show=False, persist=True, verbose=False)
        out = queue.process_queue(im0, tracks)
        cv2.imshow("Queue Management", im0)
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break

cap.release()
cv2.destroyAllWindows()

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

¿Cuáles son las principales ventajas de utilizar Ultralytics YOLOv8 para la gestión de colas?

Utilizar Ultralytics YOLOv8 para la gestión de colas ofrece varias ventajas:

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

Para más detalles, explora nuestras soluciones de Gestión de Colas.

¿Por qué debería elegir Ultralytics YOLOv8 en lugar de competidores como TensorFlow o Detectron2 para la gestión de colas?

Ultralytics YOLOv8 tiene varias ventajas sobre TensorFlow y Detectron2 para la gestión de colas:

• Rendimiento en tiempo real: YOLOv8 es conocido por su capacidad de detección en tiempo real, que ofrece una mayor velocidad de procesamiento.
• Facilidad de uso: Ultralytics proporciona una experiencia fácil de usar, desde la formación hasta la implantación, a través de Ultralytics HUB.
• Modelos preentrenados: Acceso a una gama de modelos preentrenados, minimizando 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.

Aprende a empezar con Ultralytics YOLO.

¿Puede Ultralytics YOLOv8 gestionar varios tipos de colas, como en aeropuertos y comercios?

Sí, Ultralytics YOLOv8 puede gestionar varios tipos de colas, incluidas las de aeropuertos y entornos comerciales. Configurando el QueueManager con regiones y ajustes específicos, YOLOv8 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(
    names=model.names,
    reg_pts=queue_region_airport,
    line_thickness=3,
    fontsize=1.0,
    region_color=(0, 255, 0),
)

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

¿Cuáles son algunas aplicaciones reales de Ultralytics YOLOv8 en la gestión de colas?

Ultralytics YOLOv8 se utiliza en diversas aplicaciones del mundo real para la gestión de colas:

• Venta al por menor: Supervisa las colas de las cajas para reducir los tiempos de espera y mejorar la satisfacción del cliente.
• Aeropuertos: Gestiona las colas en los mostradores de venta de billetes y en 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.

Consulta nuestro blog sobre gestión de colas en el mundo real para saber más.

📅 Created 5 months ago ✏️ Updated 1 day ago

Comentarios