Ultralytics YOLO11 🚀を使ったキュー管理
キュー・マネジメントとは何ですか?
待ち行列管理とは Ultralytics YOLO11待ち行列管理とは、待ち時間を短縮し効率を高めるために、人や車両の列を整理・制御することです。小売店、銀行、空港、医療施設など様々な場面で、顧客満足度やシステムのパフォーマンスを向上させるために待ち行列を最適化することである。
見るんだ: Ultralytics YOLO11 |空港や地下鉄の駅にキュー・マネジメントを導入する方法
キュー・マネジメントの利点
- 待ち時間の短縮待ち行列管理システムは、効率的に待ち行列を整理し、顧客の待ち時間を最小限に抑えます。これにより、顧客は待ち時間を短縮し、より多くの時間を製品やサービスに費やすことができるため、満足度の向上につながります。
- 効率の向上:待ち行列管理を導入することで、企業はリソースをより効果的に割り当てることができる。待ち行列のデータを分析し、スタッフの配置を最適化することで、企業は業務を合理化し、コストを削減し、全体的な生産性を向上させることができます。
実世界での応用
物流 | 小売 |
---|---|
空港チケットカウンターでの待ち行列管理Ultralytics YOLO11 | 群衆における待ち行列の監視Ultralytics YOLO11 |
YOLO11 例を用いたキュー管理
import cv2
from ultralytics import solutions
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("queue_management.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
# Define queue region points
queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)] # Define queue region points
# queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360), (20, 400)] # Define queue polygon points
# Init Queue Manager
queue = solutions.QueueManager(
show=True, # Display the output
model="yolo11n.pt", # Path to the YOLO11 model file
region=queue_region, # Pass queue region points
# classes=[0, 2], # If you want to count specific classes i.e person and car with COCO pretrained model.
# line_width=2, # Adjust the line width for bounding boxes and text display
)
# Process video
while cap.isOpened():
success, im0 = cap.read()
if success:
out = queue.process_queue(im0)
video_writer.write(im0)
if cv2.waitKey(1) & 0xFF == ord("q"):
break
continue
print("Video frame is empty or video processing has been successfully completed.")
break
cap.release()
cv2.destroyAllWindows()
議論 QueueManager
名称 | タイプ | デフォルト | 説明 |
---|---|---|---|
model |
str |
None |
Ultralytics YOLO モデルファイルへのパス |
region |
list |
[(20, 400), (1260, 400)] |
キュー領域を定義する点のリスト。 |
line_width |
int |
2 |
バウンディングボックスの線の太さ。 |
show |
bool |
False |
ビデオストリームを表示するかどうかを制御するフラグ。 |
議論 model.track
議論 | タイプ | デフォルト | 説明 |
---|---|---|---|
source |
str |
None |
画像や動画のソースディレクトリを指定します。ファイルパスとURLをサポートします。 |
persist |
bool |
False |
フレーム間のオブジェクトの永続的なトラッキングを可能にし、ビデオシーケンス間のIDを維持します。 |
tracker |
str |
botsort.yaml |
使用するトラッキングアルゴリズムを指定する、 bytetrack.yaml または botsort.yaml . |
conf |
float |
0.3 |
検出の信頼しきい値を設定します。低い値ではより多くのオブジェクトを追跡できますが、誤検出を含む可能性があります。 |
iou |
float |
0.5 |
重複検出をフィルタリングするためのIoU(Intersection over Union)しきい値を設定します。 |
classes |
list |
None |
クラス・インデックスによって結果をフィルタリングする。例えば classes=[0, 2, 3] は指定されたクラスのみを追跡する。 |
verbose |
bool |
True |
トラッキング結果の表示をコントロールし、トラッキングされたオブジェクトのビジュアル出力を提供します。 |
よくあるご質問
Ultralytics YOLO11 をリアルタイムのキュー管理に使用するにはどうすればよいですか?
Ultralytics YOLO11 をリアルタイムのキュー管理に使用するには、以下の手順を実行します:
- でYOLO11 モデルをロードする。
YOLO("yolo11n.pt")
. - を使用してビデオフィードをキャプチャする。
cv2.VideoCapture
. - キュー管理のための関心領域(ROI)を定義する。
- フレームを処理してオブジェクトを検出し、キューを管理する。
最小限の例を挙げよう:
import cv2
from ultralytics import solutions
cap = cv2.VideoCapture("path/to/video.mp4")
queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)]
queue = solutions.QueueManager(
model="yolo11n.pt",
region=queue_region,
line_width=3,
)
while cap.isOpened():
success, im0 = cap.read()
if success:
out = queue.process_queue(im0)
cv2.imshow("Queue Management", im0)
if cv2.waitKey(1) & 0xFF == ord("q"):
break
cap.release()
cv2.destroyAllWindows()
Ultralytics HUBを活用することで、キュー管理ソリューションの展開と管理のためのユーザーフレンドリーなプラットフォームを提供し、このプロセスを合理化することができます。
Ultralytics YOLO11 をキュー管理に使用する主な利点は何ですか?
Ultralytics YOLO11 を待ち行列管理に使用すると、いくつかの利点がある:
- 待ち時間の激減待ち行列を効率的に整理することで、お客様の待ち時間を短縮し、満足度を高めます。
- 効率性の向上:キューデータを分析し、スタッフの配置とオペレーションを最適化することで、コストを削減します。
- リアルタイム・アラート:長蛇の列に対するリアルタイム通知を提供し、迅速な介入を可能にします。
- 拡張性:小売店、空港、ヘルスケアなど、さまざまな環境で簡単に拡張可能。
詳しくは、キュー管理ソリューションをご覧ください。
のような競合他社ではなく、Ultralytics YOLO11 。 TensorFlowや Detectron2 といった競合他社よりもキュー管理に選ぶべき理由は何でしょうか?
Ultralytics YOLO11 は、キュー管理に関して、TensorFlow やDetectron2と比較していくつかの利点がある:
- リアルタイム性能: YOLO11 はリアルタイム検出能力で知られ、より速い処理速度を提供する。
- 使いやすさ: Ultralytics は、トレーニングから配備まで、Ultralytics HUB を通じてユーザーフレンドリーな体験を提供します。
- 事前学習済みモデル:様々な事前学習済みモデルを利用できるため、セットアップに必要な時間を最小限に抑えることができます。
- コミュニティ・サポート:豊富なドキュメントと活発なコミュニティ・サポートにより、問題解決が容易になります。
を始める方法を学ぶ。 Ultralytics YOLO.
Ultralytics YOLO11 空港や小売店など、複数のタイプのキューに対応できるか?
はい、Ultralytics YOLO11 、空港や小売店など、さまざまなタイプのキューを管理できます。特定の地域や設定でQueueManagerを構成することで、YOLO11 、異なるキューのレイアウトや密度に適応することができます。
空港の例:
queue_region_airport = [(50, 600), (1200, 600), (1200, 550), (50, 550)]
queue_airport = solutions.QueueManager(
model="yolo11n.pt",
region=queue_region_airport,
line_width=3,
)
多様なアプリケーションの詳細については、実世界でのアプリケーションのセクションをご覧ください。
Ultralytics YOLO11 の待ち行列管理における実際の応用例にはどのようなものがあるか?
Ultralytics YOLO11 は、待ち行列管理のための様々な実世界のアプリケーションで使用されている:
- 小売業待ち時間を短縮し、顧客満足度を向上させるためにレジの行列を監視する。
- 空港チケットカウンターや保安検査場の行列を管理し、よりスムーズな旅客体験を実現。
- ヘルスケア診療所や病院における患者の流れを最適化します。
- 銀行銀行の待ち行列を効率的に管理することで、顧客サービスを向上。
詳しくは、実際の待ち行列管理に関するブログをご覧ください。