コンテンツへスキップ

Ultralytics YOLOv8 🚀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 YOLOv8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。

キュー・マネジメントの利点

待ち時間の短縮キュー・マネジメント・システムは効率的にキューを整理し、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、より多くの時間を商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 YOLOv8	群衆における待ち行列の監視Ultralytics YOLOv8

YOLOv8 例を用いたキュー管理

キュー・マネージャーキューマネージャ固有のクラス

import cv2
from ultralytics import YOLO
from ultralytics.solutions import queue_management

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))

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

queue_region = [(20, 400), (1080, 404), (1080, 360), (20, 360)]

queue = queue_management.QueueManager()
queue.set_args(classes_names=model.names,
               reg_pts=queue_region,
               line_thickness=3,
               fontsize=1.0,
               region_color=(255, 144, 31))

while cap.isOpened():
    success, im0 = cap.read()

    if success:
        tracks = model.track(im0, show=False, persist=True,
                             verbose=False)
        out = queue.process_queue(im0, tracks)

        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()

import cv2
from ultralytics import YOLO
from ultralytics.solutions import queue_management

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))

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

queue_region = [(20, 400), (1080, 404), (1080, 360), (20, 360)]

queue = queue_management.QueueManager()
queue.set_args(classes_names=model.names,
               reg_pts=queue_region,
               line_thickness=3,
               fontsize=1.0,
               region_color=(255, 144, 31))

while cap.isOpened():
    success, im0 = cap.read()

    if success:
        tracks = model.track(im0, show=False, persist=True,
                             verbose=False, classes=0)  # Only person class
        out = queue.process_queue(im0, tracks)

        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()

オプションの引数 `set_args`

名称	タイプ	デフォルト	説明
`view_img`	`bool`	`False`	カウント付きフレームを表示
`view_queue_counts`	`bool`	`True`	ビデオフレームにのみキューカウントを表示
`line_thickness`	`int`	`2`	バウンディングボックスの厚みを増やす
`reg_pts`	`list`	`[(20, 400), (1260, 400)]`	リージョン・エリアを定義するポイント
`classes_names`	`dict`	`model.model.names`	クラス名辞書
`region_color`	`RGB Color`	`(255, 0, 255)`	リージョンまたはラインをカウントするオブジェクトの色
`track_thickness`	`int`	`2`	トラッキング・ラインの太さ
`draw_tracks`	`bool`	`False`	トラックラインの描画を有効にする
`track_color`	`RGB Color`	`(0, 255, 0)`	各線路の色
`count_txt_color`	`RGB Color`	`(255, 255, 255)`	オブジェクト・カウント・テキストの前景色
`region_thickness`	`int`	`5`	オブジェクトのカウンター領域またはラインの太さ
`fontsize`	`float`	`0.6`	カウントテキストのフォントサイズ

論争 `model.track`

名称	タイプ	デフォルト	説明
`source`	`im0`	`None`	画像またはビデオのソース・ディレクトリ
`persist`	`bool`	`False`	フレーム間のトラックの持続
`tracker`	`str`	`botsort.yaml`	トラッキングメソッド「bytetrack」または「botsort
`conf`	`float`	`0.3`	信頼閾値
`iou`	`float`	`0.5`	借用書のしきい値
`classes`	`list`	`None`	つまり、class=0、またはclass=[0,2,3]。
`verbose`	`bool`	`True`	物体追跡結果を表示する

作成 2024-04-02 更新 2024-04-02
著者Burhan-Q(1),RizwanMunawar(1)

コメント