गति अनुमान का उपयोग कर Ultralytics YOLOv8 🚀

स्पीड अनुमान क्या है?

गति अनुमान किसी दिए गए संदर्भ के भीतर 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 विभिन्न अनुप्रयोगों की दक्षता और विश्वसनीयता को सीधे 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

from ultralytics import YOLO
from ultralytics.solutions import speed_estimation
import cv2

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 = speed_estimation.SpeedEstimator()
speed_obj.set_args(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()

वैकल्पिक तर्क set_args

तर्क model.track

टिप्पणियाँ