गति अनुमान का उपयोग कर Ultralytics YOLOv8 🚀

स्पीड अनुमान क्या है?

गति अनुमान किसी दिए गए संदर्भ में किसी वस्तु की गति की दर की गणना करने की प्रक्रिया है, जिसे अक्सर कंप्यूटर दृष्टि अनुप्रयोगों में नियोजित किया जाता है। का उपयोग करके Ultralytics YOLOv8 अब आप दूरी और समय डेटा के साथ ऑब्जेक्ट ट्रैकिंग का उपयोग करके ऑब्जेक्ट की गति की गणना कर सकते हैं, जो ट्रैफ़िक और निगरानी जैसे कार्यों के लिए महत्वपूर्ण है। गति अनुमान की सटीकता सीधे विभिन्न अनुप्रयोगों की दक्षता और विश्वसनीयता को प्रभावित करती है, जिससे यह बुद्धिमान प्रणालियों और वास्तविक समय निर्णय लेने की प्रक्रियाओं की उन्नति में एक महत्वपूर्ण घटक बन जाता है।

सतर्कता: गति अनुमान का उपयोग कर Ultralytics YOLOv8

गति अनुमान के लाभ?

• कुशल यातायात नियंत्रण: सटीक गति अनुमान यातायात प्रवाह के प्रबंधन, सुरक्षा बढ़ाने और रोडवेज पर भीड़ को कम करने में सहायता करता है।
• सटीक स्वायत्त नेविगेशन: स्व-ड्राइविंग कारों जैसी स्वायत्त प्रणालियों में, विश्वसनीय गति अनुमान सुरक्षित और सटीक वाहन नेविगेशन सुनिश्चित करता है।
• बढ़ी हुई निगरानी सुरक्षा: निगरानी विश्लेषिकी में गति अनुमान असामान्य व्यवहार या संभावित खतरों की पहचान करने में मदद करता है, सुरक्षा उपायों की प्रभावशीलता में सुधार करता है।

वास्तविक दुनिया अनुप्रयोग

परिवहन	परिवहन
सड़क का उपयोग करके गति अनुमान Ultralytics YOLOv8	का उपयोग कर पुल पर गति अनुमान Ultralytics YOLOv8

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8n.pt")
names = model.model.names

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
video_writer = cv2.VideoWriter("speed_estimation.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

line_pts = [(0, 360), (1280, 360)]

# Init speed-estimation obj
speed_obj = solutions.SpeedEstimator(
    reg_pts=line_pts,
    names=names,
    view_img=True,
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break

    tracks = model.track(im0, persist=True, show=False)

    im0 = speed_obj.estimate_speed(im0, tracks)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

तर्क SpeedEstimator

तर्क model.track

अक्सर पूछे जाने वाले प्रश्न

मैं ऑब्जेक्ट गति का उपयोग करके अनुमान कैसे लगाऊं Ultralytics YOLOv8?

के साथ वस्तु की गति का अनुमान लगाना Ultralytics YOLOv8 ऑब्जेक्ट डिटेक्शन और ट्रैकिंग तकनीकों का संयोजन शामिल है। सबसे पहले, आपको का उपयोग करके प्रत्येक फ्रेम में वस्तुओं का पता लगाने की आवश्यकता है YOLOv8 को गढ़ना। फिर, समय के साथ उनके आंदोलन की गणना करने के लिए इन वस्तुओं को फ्रेम में ट्रैक करें। अंत में, इसकी गति का अनुमान लगाने के लिए फ्रेम और फ्रेम दर के बीच वस्तु द्वारा तय की गई दूरी का उपयोग करें।

उदाहरण:

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8n.pt")
names = model.model.names

cap = cv2.VideoCapture("path/to/video/file.mp4")
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("speed_estimation.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize SpeedEstimator
speed_obj = solutions.SpeedEstimator(
    reg_pts=[(0, 360), (1280, 360)],
    names=names,
    view_img=True,
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    tracks = model.track(im0, persist=True, show=False)
    im0 = speed_obj.estimate_speed(im0, tracks)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

अधिक जानकारी के लिए, हमारे आधिकारिक ब्लॉग पोस्ट को देखें।

उपयोग करने के क्या लाभ हैं Ultralytics YOLOv8 (ग) यदि हां, तो क्या सरकार यातायात प्रबंधन में गति के अनुमान के लिए 1000 करोड़ रुपए की मांग करती है?

का उपयोग करके Ultralytics YOLOv8 गति अनुमान के लिए यातायात प्रबंधन में महत्वपूर्ण लाभ प्रदान करता है:

• बढ़ी हुई सुरक्षा: ओवर-स्पीडिंग का पता लगाने और सड़क सुरक्षा में सुधार करने के लिए वाहन की गति का सटीक अनुमान लगाएं।
• वास्तविक समय की निगरानी: से लाभ YOLOv8यातायात प्रवाह और भीड़ को प्रभावी ढंग से मॉनिटर करने के लिए वास्तविक समय ऑब्जेक्ट डिटेक्शन क्षमता।
• अनुमापकता: बड़े पैमाने पर कार्यान्वयन के लिए लचीले और स्केलेबल समाधान सुनिश्चित करते हुए, किनारे के उपकरणों से लेकर सर्वर तक विभिन्न हार्डवेयर सेटअप पर मॉडल को तैनात करें।

अधिक अनुप्रयोगों के लिए, गति अनुमान के लाभ देखें।

सकना YOLOv8 जैसे अन्य AI फ्रेमवर्क के साथ एकीकृत किया जाए TensorFlow नहीं तो PyTorch?

हाँ YOLOv8 जैसे अन्य एआई फ्रेमवर्क के साथ एकीकृत किया जा सकता है TensorFlow और PyTorch. Ultralytics निर्यात के लिए सहायता प्रदान करता है YOLOv8 जैसे विभिन्न स्वरूपों के लिए मॉडल ONNX, TensorRTऔर CoreML, अन्य एमएल ढांचे के साथ चिकनी इंटरऑपरेबिलिटी सुनिश्चित करना।

एक निर्यात करने के लिए YOLOv8 करने के लिए मॉडल ONNX प्रारूप:

yolo export --weights yolov8n.pt --include onnx

निर्यात पर हमारे गाइड में निर्यात मॉडल के बारे में अधिक जानें।

गति अनुमान का उपयोग कितना सटीक है Ultralytics YOLOv8?

का उपयोग कर गति अनुमान की सटीकता Ultralytics YOLOv8 ऑब्जेक्ट ट्रैकिंग की गुणवत्ता, वीडियो के रिज़ॉल्यूशन और फ्रेम दर और पर्यावरण चर सहित कई कारकों पर निर्भर करता है। जबकि गति अनुमानक विश्वसनीय अनुमान प्रदान करता है, यह फ्रेम प्रोसेसिंग गति और ऑब्जेक्ट रोड़ा में भिन्नता के कारण 100% सटीक नहीं हो सकता है।

नोट: हमेशा त्रुटि के मार्जिन पर विचार करें और जब संभव हो तो जमीनी सच्चाई डेटा के साथ अनुमानों को मान्य करें।

अधिक सटीकता सुधार युक्तियों के लिए, जांचें तर्क SpeedEstimator कर्तन.

क्यों चुनें Ultralytics YOLOv8 जैसे अन्य ऑब्जेक्ट डिटेक्शन मॉडल पर TensorFlow ऑब्जेक्ट डिटेक्शन एपीआई?

Ultralytics YOLOv8 अन्य ऑब्जेक्ट डिटेक्शन मॉडल पर कई फायदे प्रदान करता है, जैसे कि TensorFlow ऑब्जेक्ट डिटेक्शन एपीआई:

• वास्तविक समय प्रदर्शन: YOLOv8 वास्तविक समय का पता लगाने के लिए अनुकूलित है, उच्च गति और सटीकता प्रदान करता है।
• उपयोग में आसानी: उपयोगकर्ता के अनुकूल इंटरफेस के साथ डिज़ाइन किया गया, YOLOv8 मॉडल प्रशिक्षण और तैनाती को सरल करता है।
• बहुमुखी प्रतिभा: ऑब्जेक्ट डिटेक्शन, सेगमेंटेशन और पोज अनुमान सहित कई कार्यों का समर्थन करता है।
• समुदाय और समर्थन: YOLOv8 एक सक्रिय समुदाय और व्यापक प्रलेखन द्वारा समर्थित है, यह सुनिश्चित करते हुए कि डेवलपर्स के पास वे संसाधन हैं जिनकी उन्हें आवश्यकता है।

के लाभों के बारे में अधिक जानकारी के लिए YOLOv8, हमारे विस्तृत मॉडल पृष्ठ का अन्वेषण करें।

टिप्पणियाँ