Conteggio degli oggetti nelle regioni con Ultralytics YOLO26
La soluzione RegionCounter di Ultralytics YOLO26 traccia gli oggetti nei fotogrammi video e, a ogni fotogramma, conta quelli il cui centro del riquadro di delimitazione cade all'interno di ciascuna regione definita. Ogni regione viene disegnata sul fotogramma con il proprio conteggio aggiornato in tempo reale, così puoi monitorare più zone, come corsie di negozi, corsie stradali o aree di produzione, con una singola chiamata Python o un comando CLI.
Guarda: Conteggio degli oggetti in regioni diverse con Ultralytics YOLO | Soluzioni Ultralytics
Perché usare il conteggio nelle regioni?#
- Più zone in un'unica elaborazione: Passa un dizionario di poligoni con nome e ogni zona avrà un conteggio indipendente visualizzato sul fotogramma, così un unico flusso video copre tutte le aree che ti interessano.
- Tracciamento integrato: La soluzione esegue internamente il rilevamento YOLO26 e il tracciamento degli oggetti, senza bisogno di configurare una pipeline di tracciamento separata.
- Conteggi accessibili via codice: Ogni fotogramma elaborato restituisce un oggetto dei risultati con un dizionario dei conteggi per regione, pronto per dashboard, avvisi o registrazione.
Applicazioni nel mondo reale#
| Commercio al dettaglio | Strade del mercato |
|---|---|
![]() | ![]() |
| Conteggio delle persone nelle regioni con Ultralytics YOLO | Conteggio della folla nelle regioni con Ultralytics YOLO |
Come contare gli oggetti nelle regioni con Ultralytics YOLO#
Esegui la soluzione RegionCounter su una sorgente video dalla CLI o da Python. Una regione può essere un elenco di punti (una singola zona) oppure un dizionario che associa i nomi delle zone agli elenchi di punti. L'esempio Python seguente conta gli oggetti in due regioni denominate e scrive i fotogrammi elaborati in un file video di output:
# Run a region counting example
yolo solutions region show=True
# Pass a source video
yolo solutions region source="path/to/video.mp4"
# Pass a custom region
yolo solutions region region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"Argomenti di RegionCounter()#
Ecco una tabella con gli argomenti di RegionCounter:
| Argomento | Tipo | Predefinito | Descrizione |
|---|---|---|---|
model | str | None | Percorso a un file modello Ultralytics YOLO. |
region | list o dict | None | Punti che definiscono la regione di interesse: un elenco di tuple (x, y) oppure un dizionario che associa i nomi delle regioni agli elenchi di punti per più regioni (solo RegionCounter). Quando None, le soluzioni che richiedono una regione usano un valore predefinito predefinito. |
line_width | int | 2 | Spessore delle linee dei riquadri, dei punti chiave e dei conteggi disegnati dalla soluzione. |
verbose | bool | True | Abilita il log per frame della soluzione, con forma dell'input, conteggi per classe e velocità di elaborazione. La chiamata di tracking è sempre silenziosa. |
La soluzione RegionCounter consente di usare i parametri di tracciamento degli oggetti:
| Argomento | Tipo | Predefinito | Descrizione |
|---|---|---|---|
tracker | str | 'tracktrack.yaml' | Specifica l'algoritmo di tracciamento da usare. Opzioni integrate: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Imposta la soglia di confidenza per le rilevazioni; valori più bassi consentono di tracciare più oggetti, ma possono includere falsi positivi. |
iou | float | 0.5 | Imposta la soglia di Intersezione sull'unione (IoU) per filtrare le rilevazioni sovrapposte. |
classes | list | None | Filtra i risultati in base all'indice della classe. Ad esempio, classes=[0, 2, 3] traccia solo le classi specificate. |
device | str | None | Specifica il dispositivo per l'inferenza (ad es. cpu, cuda:0 o 0). Consente di scegliere tra CPU, una GPU specifica o altri dispositivi di calcolo per l'esecuzione del modello. |
imgsz | int or tuple | 640 | Dimensione dell'immagine di destinazione per l'inferenza: un intero per un'immagine quadrata o una coppia (height, width). Le forme vengono adattate allo stride del modello. |
max_det | int | 300 | Numero massimo di rilevazioni da mantenere per fotogramma prima del tracciamento, che limita gli oggetti elaborati da una soluzione nelle scene dense. |
quantize | int or str | None | Precisione dell’inferenza: 16 (FP16) oppure 32/unset (FP32) per i modelli PyTorch e TorchScript quando non si usa la CPU; gli altri formati usano la precisione selezionata dal rispettivo artefatto e ambiente di esecuzione. Sostituisce l’argomento deprecato half. |
Sono supportate anche le seguenti impostazioni di visualizzazione:
| Argomento | Tipo | Predefinito | Descrizione |
|---|---|---|---|
show | bool | False | Se True, mostra le immagini o i video annotati in una finestra. Utile per ottenere un riscontro visivo immediato durante lo sviluppo o i test. |
show_conf | bool | True | Mostra il punteggio di confidenza di ogni rilevamento accanto all'etichetta. Fornisce indicazioni sul grado di certezza del modello per ciascun rilevamento. |
show_labels | bool | True | Mostra le etichette di ogni rilevamento nell'output visivo. Permette di identificare immediatamente gli oggetti rilevati. |
Come funziona il conteggio nelle regioni#
La soluzione RegionCounter trasforma ogni regione che passi in un poligono con almeno tre punti. Un semplice elenco di punti diventa un'unica zona denominata Region#01, mentre un dizionario mantiene i nomi delle zone scelti da te; ogni zona viene disegnata con un colore distinto della palette Ultralytics. Ogni fotogramma viene quindi elaborato in tre passaggi:
- Il tracking di YOLO26 rileva e segue ogni oggetto nel frame
- Per ogni oggetto tracciato, la soluzione calcola il centro del riquadro di delimitazione e verifica in quali poligoni delle regioni ricade
- Il conteggio di ogni regione viene visualizzato al centro della regione e azzerato prima del fotogramma successivo
Poiché i conteggi ripartono da zero a ogni fotogramma, il numero mostrato in una regione rappresenta l'occupazione corrente, ovvero quanti oggetti si trovano al suo interno in quel momento, non un totale progressivo. Per contare cumulativamente gli oggetti che attraversano un confine, usa invece la soluzione ObjectCounter.
Ogni chiamata restituisce anche un oggetto dei risultati, il cui attributo plot_im contiene il fotogramma annotato e il cui dizionario region_counts associa i nomi delle regioni ai rispettivi conteggi, così puoi usare i valori nella logica della tua applicazione.
Conclusione#
La soluzione RegionCounter di Ultralytics YOLO26 monitora i conteggi degli oggetti in tempo reale in tutte le zone denominate che ti servono, con poche righe di codice. Per andare oltre, conta gli attraversamenti dei confini con il conteggio degli oggetti, segui gli oggetti all'interno di una singola zona con TrackZone oppure esplora le altre Ultralytics Solutions.
Domande frequenti#
Ultralytics YOLO26 conta gli oggetti nelle regioni tracciando ogni oggetto nel fotogramma e verificando se il centro del relativo riquadro di delimitazione si trova all'interno di ciascun poligono definito dall'utente. Il conteggio mostrato in una regione rappresenta l'occupazione corrente di quel fotogramma, non un totale cumulativo. Le opzioni di configurazione sono elencate nella sezione
RegionCounter()Arguments.Passa l'argomento
regioncome dizionario che associa i nomi delle zone agli elenchi di punti, come nell'esempio principale:from ultralytics import solutions region_points = { "region-01": [(50, 50), (250, 50), (250, 250), (50, 250)], "region-02": [(640, 640), (780, 640), (780, 720), (640, 720)], } regioncounter = solutions.RegionCounter(region=region_points, model="yolo26n.pt", show=True)Ogni zona denominata viene disegnata con un colore distinto e un conteggio indipendente.
L'oggetto restituito da ogni chiamata
regioncounter(im0)contiene un dizionarioregion_countsche associa i nomi delle regioni ai rispettivi conteggi, oltre aplot_im(il fotogramma annotato) etotal_tracks(il numero di oggetti tracciati). Stampa l'oggetto dei risultati per esaminare tutti i campi disponibili.Sì. Passa l'argomento
classescon gli indici delle classi da mantenere, ad esempioclasses=[0]per contare solo le persone con un modello preaddestrato su COCO. L'elenco completo degli argomenti relativi al tracking si trova nella sezioneRegionCounter()Argomenti.RegionCountermostra quanti oggetti si trovano all'interno di ciascuna zona poligonale nel frame corrente, mentre ObjectCounter conta gli oggetti cumulativamente mentre attraversano una linea o il confine di una regione, monitorando i totali di ingressi e uscite. UsaRegionCounterper l'occupazione in tempo reale di una o più zone eObjectCounterper contare ingressi e uscite; soloObjectCountersupporta le regioni a forma di linea.
Commenti99
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.
pedmindset
Been trying to figure this out for a while now. I want to ask, can I use object counting in regions with instance sementation and tracking? You want to count vehicles that cross two specific regions, like so Object 001 crossed region A and region B. Is this possible to do
1
Glenn JocherUltralytics@pedmindset yes, it is possible to count objects crossing multiple regions using Ultralytics YOLO11. You can utilize the
RegionCounterclass to define multiple regions and track objects across them. The objects' movement through these regions can be tracked using persistent IDs, enabling you to determine which object crossed which regions. For implementation details, refer to the Region Counting Guide.1
amulyaamaggididivami
import cv2 from ultralytics import solutions # Load video file cap = cv2.VideoCapture("retail-store.mp4") assert cap.isOpened(), "Error reading video file" # Define the counting line coordinates (adjust as per your scene) region_points = [(1135, 714), (1134, 416)] # Get video properties w, h, fps = (int(cap.get(x)) for x in ( cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS, )) # Setup video writer for output video_writer = cv2.VideoWriter( "object_counting_output.mp4", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h), ) # Initialize the object counter counter = solutions.ObjectCounter( show=False, # Don't show live preview region=region_points, # Line coordinates model="yolo11n.pt", # YOLO model classes=[0], # Class 0 = person line_width=3, ) # Process video frame by frame while cap.isOpened(): success, frame = cap.read() if not success: print("Video processing complete.") break # Run the counter on the frame results = counter(frame) # Write to output video video_writer.write(results.plot_im) # Cleanup cap.release() video_writer.release() cv2.destroyAllWindows() print(f"✅ Processing complete. Saved as 'object_counting_output.mp4'")I’m getting the count reversed — the number of people entering is shown as OUT, and those exiting are shown as IN. How can I fix this?
RizwanMunawar
@amulyaamaggididivami Hi, can you please try reversing the region coordinates, like mentioned? I believe this will work.
region_points = [(1134, 416), (1135, 714)]amulyaamaggididivami
I have tried that, but it is not working
RizwanMunawar(modificato)
@amulyaamaggididivami, well, in that case, you can clone the
ultralyticsrepository and build it locally with the changes in the code line here: https://github.com/ultralytics/ultralytics/blob/fa5d0bffbd63adfc302e9c118ffe5caa6447a044/ultralytics/solutions/object_counter.py#L135Edit: Can you please also try using the region points, rather than line points?
amulyaamaggididivami
Sure, thanks
1
Glenn JocherUltralytics@SudhanshuBlaze IN/OUT for line counters is image-axis based, not compass: for a mostly vertical line, IN = motion to the right (+x) and OUT = left; for a mostly horizontal line, IN = down (+y) and OUT = up; you can relabel to N/S/E/W post-process like this:
def label_dirs(results, p1, p2): (x1, y1), (x2, y2) = p1, p2 vertical = abs(x1 - x2) < abs(y1 - y2) return ({"eastbound": results.in_count, "westbound": results.out_count} if vertical else {"southbound": results.in_count, "northbound": results.out_count})Details of the IN/OUT logic are in the count_objects method of the ObjectCounter reference.
Forlin12
Hello, I would like to know how it works to remove how many objects there are per instant region because I can't extract this information.
SudhanshuBlaze
Hi,
I was wondering in the case of LINE counters, if there's a thumb rule to translate the IN, OUT count to North->South, East-> West, something like this. How do I know which direction is IN and which direction is OUT in the case of LINE counters?
My coordinates: line_counter1 = [(842, 1434), (640, 2200)]
line_counter2 = [(1028, 1304), (1094, 1038)]
line_counter3 = [(1068, 1038), (684, 1048)]
line_counter4 = [(2498, 546), (3276, 572)]
line_counter5 = [(3244, 786), (3414, 904)]
line_counter6 = [(1830, 958), (1668, 710)]Thanks in advance
morussk
Hey, I am trying to use solutions.RegionCounter() with conf less than 0.25 but it seems to be ignoring it, is that by design? If I use conf > 0.25 it is taken into account and counts only detections with confidence higher than conf in particular region but lower then 0.25 seems to be ignored and those detections have not chance of being counted by solutions.RegionCounter(). Please advice.
RizwanMunawar
@morussk Hi, thanks for sharing the details. The counting in region feature relies on object tracking rather than standalone predictions. As a result, detections with a confidence score below 0.25 are ignored by default.
However, this behaviour can be modified by adjusting the track_high_thresh parameter. Currently, the
Solutionsclass doesn’t support adjusting tracking configuration core options directly, but you can adjust it by cloning the code and modifying the tracker's configurations file.Note: We always recommend using the latest version of the Ultralytics Python package. You can update it by running:
pip install -U ultralytics.Thanks.
1
dimasfadhila
hello, what dataset do you use for object detection in this region?
Glenn JocherUltralytics@dimasfadhila for region-based object counting in the Ultralytics example, we use models pre-trained on the COCO dataset by default, which includes 80 common object classes. You can see the full class list in our COCO dataset documentation. If you need to count custom objects, you'll want to train on your own dataset using YOLO's training mode.
rejens
Process video
while cap.isOpened(): success, im0 = cap.read() # Read the video frame. if not success: break im0 = region.count(im0) # Count the objects in different regions of frame. cv2.imshow("frame", im0) if cv2.waitKey(1) & 0xFF == ord('q'): break
this successfully did count and display the objects inside the region, how can i retrieve the number of counts, seems region.count(im0) returns the image only.
thanks
Glenn JocherUltralytics(modificato)@rejens
RegionCounterreturns a results object, so call it on each frame and read the per-region counts fromregion_counts:results = region(im0) print(results.region_counts) # e.g. {'Region#01': 3} im0 = results.plot_imThe counts are for the current frame (they reset on every frame). Let me know if you need further clarification!
Darkbutbright
hi,counter = solutions.ObjectCounter(paras),im0 = counter.count(im0),Can the type information, font size, and position of the count in the video be set?
Glenn JocherUltralytics(modificato)@Darkbutbright yes, you can customize the text information, font size and position of the count by modifying the solution source code. For
ObjectCounter, the counts are drawn in itsdisplay_counts()method (inultralytics/solutions/object_counter.py) through theSolutionAnnotator, so you can adjust the text rendering there. You can also call the solution and draw your own text on the returnedplot_imwithcv2.putText(), usingresults.in_countandresults.out_count. Let me know if you need further clarification!Darkbutbright
Thank you for your patient answer, but I really don't know where to get the detailed instructions (documents) of the solutions class. Could you please tell me how to get it (including more clear instructions for using other classes of yolo)?
Glenn JocherUltralytics@Darkbutbright thank you for your question! You can find detailed instructions and documentation for the
solutionsclass and other YOLO functionalities in the Ultralytics Docs. For specific examples, such as region counting or object tracking, check the solutions guide or the respective sections in the repository. Let me know if you need assistance with a particular use case!
kemalfrk
Hello, select the area with mouse events how to write the code that counts these classes if it enters a class.Thanks
Glenn JocherUltralytics@kemalfrk to implement object counting in specific regions using mouse events, you can modify the region points dynamically by capturing mouse click events and updating the region coordinates in real-time. You can refer to the Ultralytics YOLOv8 region counting example for guidance on how to set up and use the
RegionCounter. If you have further questions or need additional customization, feel free to ask!
MuhammedEnesGurkan
Hello, I use object counter but ı want to count only sheeps how can ı set classes_names to sheeps. Please help me
Glenn JocherUltralytics@MuhammedEnesGurkan to count only sheep, use the
--classesargument to specify the class index for sheep in your model. For example, if sheep are class 2, run:python yolov8_region_counter.py --source "path/to/video.mp4" --classes 2. Adjust the class index as needed based on your model's class mapping.

