Comment utiliser Ultralytics YOLO26 pour gérer les files d’attente en temps réel ?

Pour utiliser Ultralytics YOLO26 afin de gérer les files d’attente en temps réel, tu peux suivre ces étapes : Charge le modèle YOLO26 avec YOLO("yolo26n.pt"). Capture le flux vidéo à l’aide de cv2.VideoCapture. Définis la région d’intérêt (ROI) pour la gestion des files d’attente. Traite les images pour détecter les objets et gérer les files d’attente. Voici un exemple minimal : La plateforme Ultralytics Platform peut simplifier ce processus en fournissant une plateforme conviviale pour déployer et gérer ta solution de gestion des files d’attente.

Quels sont les principaux avantages de l’utilisation d’Ultralytics YOLO26 pour la gestion des files d’attente ?

L’utilisation d’Ultralytics YOLO26 pour la gestion des files d’attente offre plusieurs avantages : Temps d’attente considérablement réduits : Organise efficacement les files d’attente, réduisant le temps d’attente des clients et augmentant leur satisfaction. Efficacité accrue : Analyse les données des files d’attente pour optimiser le déploiement du personnel et les opérations, réduisant ainsi les coûts. Alertes en temps réel : Fournit des notifications en temps réel lorsque les files sont longues, ce qui permet d’intervenir rapidement. Évolutivité : S’adapte facilement à différents environnements comme les commerces, les aéroports et les établissements de santé. Pour plus de détails, découvre nos solutions de gestion des files d’attente.

Pourquoi choisir Ultralytics YOLO26 plutôt que des concurrents comme TensorFlow ou Detectron2 pour la gestion des files d’attente ?

Ultralytics YOLO26 présente plusieurs avantages par rapport à TensorFlow et Detectron2 pour la gestion des files d’attente : Performances en temps réel : YOLO26 est connu pour ses capacités de détection en temps réel, offrant des vitesses de traitement plus élevées. Facilité d’utilisation : Ultralytics offre une expérience conviviale, de l’entraînement au déploiement, via Ultralytics Platform. Modèles préentraînés : Accède à un éventail de modèles préentraînés, ce qui réduit le temps nécessaire à la configuration. Assistance de la communauté : Une documentation complète et une communauté active facilitent la résolution des problèmes. Découvre comment commencer avec Ultralytics YOLO.

Ultralytics YOLO26 peut-il gérer plusieurs types de files d’attente, comme dans les aéroports et les commerces ?

Oui, Ultralytics YOLO26 peut gérer différents types de files d’attente, notamment dans les aéroports et les commerces. En configurant QueueManager avec des régions et des paramètres spécifiques, YOLO26 peut s’adapter à différentes configurations et densités de files. Exemple pour les aéroports : Pour plus d’informations sur les diverses applications, consulte notre section Applications concrètes.

Quelles sont les applications concrètes d’Ultralytics YOLO26 dans la gestion des files d’attente ?

Ultralytics YOLO26 est utilisé dans diverses applications concrètes de gestion des files d’attente : Commerce de détail : Surveille les files aux caisses afin de réduire les temps d’attente et d’améliorer la satisfaction des clients. Aéroports : Gère les files aux comptoirs de billetterie et aux points de contrôle de sécurité pour fluidifier l’expérience des passagers. Santé : Optimise le flux des patients dans les cliniques et les hôpitaux. Banques : Améliore le service client en gérant efficacement les files d’attente dans les banques. Consulte notre article de blog sur la gestion des files d’attente dans le monde réel pour en savoir plus sur la manière dont la vision par ordinateur transforme la surveillance des files d’attente dans tous les secteurs.

Gestion des files d'attente avec Ultralytics YOLO26#

Qu’est-ce que la gestion des files d’attente ?#

La gestion des files d’attente avec Ultralytics YOLO26 consiste à organiser et contrôler les files de personnes ou de véhicules afin de réduire les temps d’attente et d’améliorer l’efficacité. Il s’agit d’optimiser les files d’attente pour améliorer la satisfaction des clients et les performances des systèmes dans divers environnements comme les commerces, les banques, les aéroports et les établissements de santé.

Watch: How to Build a Queue Management System with Ultralytics YOLO26 | Real-Time Queue Analytics 🚀

Avantages de la gestion des files d’attente#

Réduction des temps d’attente : Les systèmes de gestion des files d’attente organisent efficacement les files, ce qui réduit au minimum les temps d’attente des clients. Cela améliore leur satisfaction, car ils passent moins de temps à attendre et davantage de temps à interagir avec les produits ou les services.
Efficacité accrue : La mise en place d’une gestion des files d’attente permet aux entreprises d’allouer leurs ressources plus efficacement. En analysant les données des files d’attente et en optimisant le déploiement du personnel, les entreprises peuvent rationaliser leurs opérations, réduire leurs coûts et améliorer leur productivité globale.
Informations en temps réel : La gestion des files d’attente alimentée par YOLO26 fournit instantanément des données sur la longueur des files et les temps d’attente, ce qui permet aux responsables de prendre rapidement des décisions éclairées.
Expérience client améliorée : En réduisant la frustration liée aux longues attentes, les entreprises peuvent améliorer considérablement la satisfaction et la fidélité des clients.

Applications concrètes#

Logistique	Commerce de détail

Gestion des files d’attente au comptoir de billetterie d’un aéroport avec Ultralytics YOLO26	Surveillance d’une file d’attente dans une foule avec Ultralytics YOLO26

Gérer les files d’attente avec YOLO26#

La solution QueueManager compte à chaque image les objets qui restent à l’intérieur d’une région définie, ce qui te donne la longueur actuelle de la file, que tu peux écrire dans une vidéo de sortie. Fournis une région polygonale couvrant la zone d’attente, puis exécute la solution sur ta source vidéo à l’aide de l’API Python ou de la CLI.

Gestion des files d’attente avec Ultralytics YOLO

# 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)]"

Arguments de `QueueManager`#

Voici un tableau présentant les arguments de QueueManager :

Argument	Type	Valeur par défaut	Description
`model`	`str`	`None`	Chemin vers un fichier de modèle Ultralytics YOLO.
`region`	`list` ou `dict`	`None`	Points définissant la région d'intérêt, soit une liste de tuples `(x, y)`, soit un dictionnaire associant les noms des régions à des listes de points pour plusieurs régions (`RegionCounter` uniquement). Lorsque `None`, les solutions qui nécessitent une région utilisent une région par défaut prédéfinie.
`line_width`	`int`	`2`	Épaisseur des lignes des boîtes, des points clés et des comptages dessinés par la solution.
`verbose`	`bool`	`True`	Active le journal par image de la solution, qui indique la forme d'entrée, les comptages par classe et la vitesse de traitement. L'appel de suivi lui-même est toujours silencieux.

La solution QueueManager prend également en charge les arguments track :

Argument	Type	Valeur par défaut	Description
`tracker`	`str`	`'botsort.yaml'`	Indique l'algorithme de suivi à utiliser. Options intégrées : `botsort.yaml`, `bytetrack.yaml`, `ocsort.yaml`, `deepocsort.yaml`, `fasttrack.yaml`, `tracktrack.yaml`.
`conf`	`float`	`0.25`	Définit le seuil de confiance des détections ; des valeurs plus faibles permettent de suivre davantage d'objets, mais peuvent inclure des faux positifs.
`iou`	`float`	`0.7`	Définit le seuil d'intersection sur union (IoU) pour filtrer les détections qui se chevauchent.
`classes`	`list`	`None`	Filtre les résultats par indice de classe. Par exemple, `classes=[0, 2, 3]` ne suit que les classes spécifiées.
`device`	`str`	`None`	Indique le périphérique utilisé pour l'inférence (par exemple, `cpu`, `cuda:0` ou `0`). Permet de choisir entre le CPU, un GPU spécifique ou d'autres périphériques de calcul pour l'exécution du modèle.
`imgsz`	`int or tuple`	`640`	Taille de l'image d'inférence cible : un entier pour un carré ou une paire `(height, width)`. Les formes sont ajustées au pas du modèle.
`max_det`	`int`	`300`	Nombre maximal de détections conservées par image avant le suivi, ce qui limite les objets traités par une solution dans les scènes denses.
`quantize`	`int or str`	`None`	Précision de l'inférence : `16` (FP16) ou `32`/non définie (FP32) pour les modèles PyTorch et TorchScript ; les autres formats s'exécutent à la précision sélectionnée par leur artefact et leur environnement d'exécution. Remplace l'indicateur déprécié `half`.

De plus, les paramètres de visualisation suivants sont disponibles :

Argument	Type	Valeur par défaut	Description
`show`	`bool`	`False`	Si `True`, affiche les images ou vidéos annotées dans une fenêtre. Utile pour obtenir un retour visuel immédiat pendant le développement ou les tests.
`show_conf`	`bool`	`True`	Affiche le score de confiance de chaque détection à côté de son étiquette. Donne un aperçu du degré de certitude du modèle pour chaque détection.
`show_labels`	`bool`	`True`	Affiche les étiquettes de chaque détection dans la sortie visuelle. Permet d’identifier immédiatement les objets détectés.

Stratégies de mise en œuvre#

Lorsque tu mets en œuvre une gestion des files d’attente avec YOLO26, tiens compte des bonnes pratiques suivantes :

Positionnement stratégique des caméras : Positionne les caméras de manière à capturer toute la zone de la file sans obstruction.
Définition de régions de file appropriées : Définis soigneusement les limites de la file en fonction de la configuration physique de ton espace.
Ajustement de la confiance de détection : Ajuste finement le seuil de confiance en fonction des conditions d’éclairage et de la densité de la foule.
Intégration aux systèmes existants : Connecte ta solution de gestion des files d’attente à un système d’affichage numérique ou de notification du personnel pour automatiser les réponses.

FAQ#

Pour utiliser Ultralytics YOLO26 afin de gérer les files d’attente en temps réel, tu peux suivre ces étapes :
1. Charge le modèle YOLO26 avec YOLO("yolo26n.pt").
2. Capture le flux vidéo à l’aide de cv2.VideoCapture.
3. Définis la région d’intérêt (ROI) pour la gestion des files d’attente.
4. Traite les images pour détecter les objets et gérer les files d’attente.
Voici un exemple minimal :
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()
La plateforme Ultralytics Platform peut simplifier ce processus en fournissant une plateforme conviviale pour déployer et gérer ta solution de gestion des files d’attente.
L’utilisation d’Ultralytics YOLO26 pour la gestion des files d’attente offre plusieurs avantages :
- Temps d’attente considérablement réduits : Organise efficacement les files d’attente, réduisant le temps d’attente des clients et augmentant leur satisfaction.
- Efficacité accrue : Analyse les données des files d’attente pour optimiser le déploiement du personnel et les opérations, réduisant ainsi les coûts.
- Alertes en temps réel : Fournit des notifications en temps réel lorsque les files sont longues, ce qui permet d’intervenir rapidement.
- Évolutivité : S’adapte facilement à différents environnements comme les commerces, les aéroports et les établissements de santé.
Pour plus de détails, découvre nos solutions de gestion des files d’attente.
Ultralytics YOLO26 présente plusieurs avantages par rapport à TensorFlow et Detectron2 pour la gestion des files d’attente :
- Performances en temps réel : YOLO26 est connu pour ses capacités de détection en temps réel, offrant des vitesses de traitement plus élevées.
- Facilité d’utilisation : Ultralytics offre une expérience conviviale, de l’entraînement au déploiement, via Ultralytics Platform.
- Modèles préentraînés : Accède à un éventail de modèles préentraînés, ce qui réduit le temps nécessaire à la configuration.
- Assistance de la communauté : Une documentation complète et une communauté active facilitent la résolution des problèmes.
Découvre comment commencer avec Ultralytics YOLO.
Oui, Ultralytics YOLO26 peut gérer différents types de files d’attente, notamment dans les aéroports et les commerces. En configurant QueueManager avec des régions et des paramètres spécifiques, YOLO26 peut s’adapter à différentes configurations et densités de files.

Exemple pour les aéroports :
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, )
Pour plus d’informations sur les diverses applications, consulte notre section Applications concrètes.
Ultralytics YOLO26 est utilisé dans diverses applications concrètes de gestion des files d’attente :
- Commerce de détail : Surveille les files aux caisses afin de réduire les temps d’attente et d’améliorer la satisfaction des clients.
- Aéroports : Gère les files aux comptoirs de billetterie et aux points de contrôle de sécurité pour fluidifier l’expérience des passagers.
- Santé : Optimise le flux des patients dans les cliniques et les hôpitaux.
- Banques : Améliore le service client en gérant efficacement les files d’attente dans les banques.
Consulte notre article de blog sur la gestion des files d’attente dans le monde réel pour en savoir plus sur la manière dont la vision par ordinateur transforme la surveillance des files d’attente dans tous les secteurs.

Contributeurs

RIRizwanMunawar¹⁵ GLglenn-jocher¹² RAraimbekovm⁵ MAMatthewNoyce² IVIvorZhu331¹ BUBurhan-Q¹

Créé 2 avr. 2024Mis à jour il y a 3 jours