La gesti贸n de colas mediante Ultralytics YOLOv8 consiste en organizar y controlar colas de personas o veh铆culos para reducir los tiempos de espera y mejorar la eficacia. Se trata de optimizar las colas para mejorar la satisfacci贸n del cliente y el rendimiento del sistema en diversos entornos como comercios, bancos, aeropuertos y centros sanitarios.
驴Ventajas de la gesti贸n de colas?
Tiempos de espera reducidos: Los sistemas de gesti贸n de colas organizan eficazmente las colas, minimizando los tiempos de espera de los clientes. Esto mejora los niveles de satisfacci贸n, ya que los clientes pasan menos tiempo esperando y m谩s tiempo interactuando con los productos o servicios.
Mayor eficacia: La implantaci贸n de la gesti贸n de colas permite a las empresas asignar recursos de forma m谩s 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
Log铆stica
Venta al por menor
Gesti贸n de colas en el mostrador de venta de billetes del aeropuerto Utilizaci贸n Ultralytics YOLOv8
Control de colas en multitudes Ultralytics YOLOv8
Gesti贸n de colas mediante YOLOv8 Ejemplo
importcv2fromultralyticsimportYOLOfromultralytics.solutionsimportqueue_managementmodel=YOLO("yolov8n.pt")cap=cv2.VideoCapture("path/to/video/file.mp4")assertcap.isOpened(),"Error reading video file"w,h,fps=(int(cap.get(x))forxin(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=queue_management.QueueManager()queue.set_args(classes_names=model.names,reg_pts=queue_region,line_thickness=3,fontsize=1.0,region_color=(255,144,31))whilecap.isOpened():success,im0=cap.read()ifsuccess:tracks=model.track(im0,show=False,persist=True,verbose=False)out=queue.process_queue(im0,tracks)video_writer.write(im0)ifcv2.waitKey(1)&0xFF==ord('q'):breakcontinueprint("Video frame is empty or video processing has been successfully completed.")breakcap.release()cv2.destroyAllWindows()
importcv2fromultralyticsimportYOLOfromultralytics.solutionsimportqueue_managementmodel=YOLO("yolov8n.pt")cap=cv2.VideoCapture("path/to/video/file.mp4")assertcap.isOpened(),"Error reading video file"w,h,fps=(int(cap.get(x))forxin(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=queue_management.QueueManager()queue.set_args(classes_names=model.names,reg_pts=queue_region,line_thickness=3,fontsize=1.0,region_color=(255,144,31))whilecap.isOpened():success,im0=cap.read()ifsuccess:tracks=model.track(im0,show=False,persist=True,verbose=False,classes=0)# Only person classout=queue.process_queue(im0,tracks)video_writer.write(im0)ifcv2.waitKey(1)&0xFF==ord('q'):breakcontinueprint("Video frame is empty or video processing has been successfully completed.")breakcap.release()cv2.destroyAllWindows()
Argumentos opcionales set_args
Nombre
Tipo
Por defecto
Descripci贸n
view_img
bool
False
Mostrar cuadros con recuentos
view_queue_counts
bool
True
Mostrar los recuentos de la cola s贸lo en el fotograma de v铆deo
line_thickness
int
2
Aumentar el grosor de los cuadros delimitadores
reg_pts
list
[(20, 400), (1260, 400)]
Puntos que definen el 脕rea de la Regi贸n
classes_names
dict
model.model.names
Diccionario de nombres de clase
region_color
RGB Color
(255, 0, 255)
Color de la regi贸n o l铆nea de recuento de objetos
track_thickness
int
2
Grosor de las l铆neas de seguimiento
draw_tracks
bool
False
Activar dibujo L铆neas de seguimiento
track_color
RGB Color
(0, 255, 0)
Color para cada l铆nea de v铆a
count_txt_color
RGB Color
(255, 255, 255)
Color de primer plano del texto del recuento de objetos
region_thickness
int
5
Grosor de la contra regi贸n o l铆nea del objeto
fontsize
float
0.6
Tama帽o de letra del texto de recuento
Argumentos model.track
Nombre
Tipo
Por defecto
Descripci贸n
source
im0
None
directorio fuente de im谩genes o v铆deos
persist
bool
False
persistencia de pistas entre fotogramas
tracker
str
botsort.yaml
M茅todo de seguimiento 'bytetrack' o 'botsort'
conf
float
0.3
Umbral de confianza
iou
float
0.5
Umbral del pagar茅
classes
list
None
filtrar los resultados por clase, es decir, classes=0, o classes=[0,2,3]
verbose
bool
True
Mostrar los resultados del seguimiento de objetos
Creado el 2024-04-02, Actualizado el 2024-04-02 Autores: Burhan-Q (1), RizwanMunawar (1)