Conteggio degli oggetti con Ultralytics YOLOv8 🚀

Che cos'è il conteggio degli oggetti?

Il conteggio degli oggetti con Ultralytics YOLOv8YOLOv8 eccelle nelle applicazioni in tempo reale, fornendo un conteggio efficiente e preciso degli oggetti in vari scenari come l'analisi della folla e la sorveglianza, grazie ai suoi algoritmi all'avanguardia e alle capacità di deep learning.

Guarda: Conteggio degli oggetti con Ultralytics YOLOv8

Vantaggi del conteggio degli oggetti?

Ottimizzazione delle risorse: Il conteggio degli oggetti facilita una gestione efficiente delle risorse, fornendo conteggi accurati e ottimizzando l'allocazione delle risorse in applicazioni come la gestione dell'inventario.
Maggiore sicurezza: Il conteggio degli oggetti migliora la sicurezza e la sorveglianza grazie al tracciamento e al conteggio accurato delle entità, favorendo il rilevamento proattivo delle minacce.
Decisioni informate: Il conteggio degli oggetti offre spunti preziosi per il processo decisionale, ottimizzando i processi nella vendita al dettaglio, nella gestione del traffico e in vari altri settori.

Applicazioni nel mondo reale

Logistica	Acquacoltura

Nastro trasportatore conta pacchetti utilizzando Ultralytics YOLOv8	Conteggio dei pesci in mare utilizzando Ultralytics YOLOv8

Esempio di conteggio degli oggetti con YOLOv8

Conteggio nella regioneConteggio in poligoniConteggio in lineaClassi specifiche

from ultralytics import YOLO
from ultralytics.solutions import object_counter
import cv2

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))

# Define region points
region_points = [(20, 400), (1080, 404), (1080, 360), (20, 360)]

# Video writer
video_writer = cv2.VideoWriter("object_counting_output.avi",
                       cv2.VideoWriter_fourcc(*'mp4v'),
                       fps,
                       (w, h))

# Init Object Counter
counter = object_counter.ObjectCounter()
counter.set_args(view_img=True,
                 reg_pts=region_points,
                 classes_names=model.names,
                 draw_tracks=True,
                 line_thickness=2)

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 = counter.start_counting(im0, tracks)
    video_writer.write(im0)

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

from ultralytics import YOLO
from ultralytics.solutions import object_counter
import cv2

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))

# Define region points as a polygon with 5 points
region_points = [(20, 400), (1080, 404), (1080, 360), (20, 360), (20, 400)]

# Video writer
video_writer = cv2.VideoWriter("object_counting_output.avi",
                       cv2.VideoWriter_fourcc(*'mp4v'),
                       fps,
                       (w, h))

# Init Object Counter
counter = object_counter.ObjectCounter()
counter.set_args(view_img=True,
                 reg_pts=region_points,
                 classes_names=model.names,
                 draw_tracks=True,
                 line_thickness=2)

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 = counter.start_counting(im0, tracks)
    video_writer.write(im0)

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

from ultralytics import YOLO
from ultralytics.solutions import object_counter
import cv2

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))

# Define line points
line_points = [(20, 400), (1080, 400)]

# Video writer
video_writer = cv2.VideoWriter("object_counting_output.avi",
                       cv2.VideoWriter_fourcc(*'mp4v'),
                       fps,
                       (w, h))

# Init Object Counter
counter = object_counter.ObjectCounter()
counter.set_args(view_img=True,
                 reg_pts=line_points,
                 classes_names=model.names,
                 draw_tracks=True,
                 line_thickness=2)

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 = counter.start_counting(im0, tracks)
    video_writer.write(im0)

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

from ultralytics import YOLO
from ultralytics.solutions import object_counter
import cv2

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))

line_points = [(20, 400), (1080, 400)]  # line or region points
classes_to_count = [0, 2]  # person and car classes for count

# Video writer
video_writer = cv2.VideoWriter("object_counting_output.avi",
                       cv2.VideoWriter_fourcc(*'mp4v'),
                       fps,
                       (w, h))

# Init Object Counter
counter = object_counter.ObjectCounter()
counter.set_args(view_img=True,
                 reg_pts=line_points,
                 classes_names=model.names,
                 draw_tracks=True,
                 line_thickness=2)

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,
                         classes=classes_to_count)

    im0 = counter.start_counting(im0, tracks)
    video_writer.write(im0)

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

La regione è mobile

Puoi spostare la regione in qualsiasi punto della cornice cliccando sui suoi bordi.

Argomenti opzionali `set_args`

Nome	Tipo	Predefinito	Descrizione
`view_img`	`bool`	`False`	Visualizza i fotogrammi con i conteggi
`view_in_counts`	`bool`	`True`	Visualizza gli in-conti solo sul fotogramma video
`view_out_counts`	`bool`	`True`	Visualizza gli out-count solo sul fotogramma video
`line_thickness`	`int`	`2`	Aumenta i riquadri di delimitazione e conta lo spessore del testo
`reg_pts`	`list`	`[(20, 400), (1260, 400)]`	Punti che definiscono l'area della regione
`classes_names`	`dict`	`model.model.names`	Dizionario dei nomi delle classi
`count_reg_color`	`RGB Color`	`(255, 0, 255)`	Colore dell'oggetto che conta la regione o la linea
`track_thickness`	`int`	`2`	Spessore delle linee di tracciamento
`draw_tracks`	`bool`	`False`	Abilita il disegno delle linee di tracciamento
`track_color`	`RGB Color`	`(0, 255, 0)`	Colore per ogni linea di binari
`line_dist_thresh`	`int`	`15`	Soglia della distanza euclidea per il contatore di linee
`count_txt_color`	`RGB Color`	`(255, 255, 255)`	Colore di primo piano per il testo dei conteggi degli oggetti
`region_thickness`	`int`	`5`	Spessore per la regione o la linea del contatore dell'oggetto
`count_bg_color`	`RGB Color`	`(255, 255, 255)`	Conta il colore dell'evidenziatore

Argomenti `model.track`

Nome	Tipo	Predefinito	Descrizione
`source`	`im0`	`None`	directory di origine per le immagini o i video
`persist`	`bool`	`False`	persistenza dei brani tra i fotogrammi
`tracker`	`str`	`botsort.yaml`	Metodo di tracciamento 'bytetrack' o 'botsort'
`conf`	`float`	`0.3`	Soglia di fiducia
`iou`	`float`	`0.5`	Soglia IOU
`classes`	`list`	`None`	filtrare i risultati per classe, ad esempio classi=0 o classi=[0,2,3].
`verbose`	`bool`	`True`	Visualizza i risultati del tracciamento dell'oggetto

Creato 2023-12-02, Aggiornato 2024-04-18
Autori: glenn-jocher (9), RizwanMunawar (1), AyushExel (1)

Conteggio degli oggetti con Ultralytics YOLOv8 🚀

Che cos'è il conteggio degli oggetti?

Vantaggi del conteggio degli oggetti?

Applicazioni nel mondo reale

Argomenti opzionali set_args

Argomenti model.track

Commenti

Argomenti opzionali `set_args`

Argomenti `model.track`