Ultralytics YOLO26を使用した速度推定 🚀#
速度推定とは？#
Speed estimationは、特定のコンテキスト内におけるオブジェクトの移動速度を計算するプロセスであり、computer visionアプリケーションでよく採用されています。Ultralytics YOLO26を使用すると、object trackingに加えて距離と時間のデータを利用してオブジェクトの速度を計算できるようになり、これは交通監視やセキュリティなどのタスクにおいて極めて重要です。速度推定の精度はさまざまなアプリケーションの効率と信頼性に直接影響するため、インテリジェントシステムやリアルタイムの意思決定プロセスの高度化における重要な要素となります。
Watch: Speed Estimation using Ultralytics YOLO26
速度推定に関する詳細な洞察については、ブログ記事「Ultralytics YOLO for Speed Estimation in Computer Vision Projects」をご覧ください。
速度推定の利点#
- 効率的な交通制御: 正確な速度推定は、交通流の管理を助け、安全性を高め、道路の渋滞を軽減します。
- 精度の高い自律航行：self-driving carsなどの自律システムにおいて、信頼性の高い速度推定により、車両の安全かつ正確な航行が保証されます。
- 監視セキュリティの強化: 監視分析における速度推定は、異常な行動や潜在的な脅威を特定し、セキュリティ対策の有効性を向上させるのに役立ちます。
現実世界の応用例#
| 交通 | 交通 |
|---|---|
 |  |
| Ultralytics YOLO26を使用した道路上の速度推定 | Ultralytics YOLO26を使用した橋の上での速度推定 |
速度は推定値です
速度は推定値であり、完全に正確ではない場合があります。さらに、推定値はカメラの仕様や関連する要因によって変動する可能性があります。
YOLO26を使用した速度推定#
SpeedEstimatorソリューションは、フレーム間で各オブジェクトを追跡し、ビデオフレームレート（fps）と実世界のスケール（meter_per_pixel）を使用して、ピクセルの変位を速度に変換します。カメラの設定に合わせてmeter_per_pixelを調整し、max_speedを使用してノイズの多いトラッキングからの外れ値を除外します。
# Run a speed example
yolo solutions speed show=True
# Pass a source video
yolo solutions speed source="path/to/video.mp4"
# Adjust meter per pixel value based on camera configuration
yolo solutions speed meter_per_pixel=0.05SpeedEstimatorの引数#
以下はSpeedEstimatorの引数を示す表です。
| 引数 | 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。 |
fps | float | 30.0 | 速度計算に使用される1秒あたりのフレーム数。 |
max_hist | int | 5 | 速度や方向の計算において、物体ごとに追跡する過去のポイントの最大数。 |
meter_per_pixel | float | 0.05 | ピクセル距離を現実世界の単位に変換するために使用されるスケーリング係数。 |
max_speed | int | 120 | 視覚オーバーレイにおける最高速度制限（アラートで使用）。 |
line_width | int | 2 | ソリューションが描画するボックス、キーポイント、およびカウントの線の太さ。 |
verbose | bool | True | 入力形状、クラス数、および処理速度のフレームごとのログ出力をソリューションで有効にします。トラッキング呼び出し自体は常にサイレントです。 |
SpeedEstimatorソリューションでは、trackパラメータを使用できます。
| 引数 | タイプ | デフォルト | 説明 |
|---|---|---|---|
tracker | str | 'botsort.yaml' | 使用するトラッキングアルゴリズムを指定します。ビルトインオプション: botsort.yaml、bytetrack.yaml、ocsort.yaml、deepocsort.yaml、fasttrack.yaml、tracktrack.yaml。 |
conf | float | 0.25 | 検出の信頼度しきい値を設定します。低い値を設定するとより多くの物体を追跡できますが、誤検知が含まれる可能性があります。 |
iou | float | 0.7 | 重なり合う検出をフィルタリングするためのIntersection over Union (IoU) 閾値を設定します。 |
classes | list | None | クラスインデックスによって結果をフィルターします。たとえば、classes=[0, 2, 3]は指定されたクラスのみを追跡します。 |
device | str | None | 推論用のデバイスを指定します（例: cpu、cuda:0、または0）。ユーザーはモデルの実行にCPU、特定のGPU、またはその他の計算デバイスを選択できます。 |
さらに、以下の可視化オプションもサポートされています：
| 引数 | タイプ | デフォルト | 説明 |
|---|---|---|---|
show | bool | False | True の場合、注釈付きの画像または動画をウィンドウに表示します。開発やテスト中の即座な視覚的フィードバックに役立ちます。 |
show_conf | bool | True | 各検出の信頼度スコアをラベルと一緒に表示します。各検出に対するモデルの確信度を把握できます。 |
show_labels | bool | True | 視覚的出力において各検出のラベルを表示します。検出されたオブジェクトを即座に理解するのに役立ちます。 |
よくある質問 (FAQ)#
Ultralytics YOLO26によるオブジェクトの速度推定は、object detectionとトラッキングを組み合わせたものです。モデルは各フレームでオブジェクトを検出してフレーム間で追跡し、フレームレートと
meter_per_pixelスケールを使用してフレーム間の移動距離を速度に変換します。上記のPythonの例はこの全パイプラインを実行します。ビデオを渡し、カメラに合わせてmeter_per_pixelを調整してください。詳細な背景については、公式ブログ記事をご参照ください。交通管理における速度推定にUltralytics YOLO26を使用することには、大きな利点があります：
- 安全性の向上: 車両速度を正確に推定してスピード違反を検出し、道路の安全性を向上させます。
- リアルタイム監視: YOLO26のリアルタイムオブジェクト検出機能を活用して、交通流や渋滞を効果的に監視します。
- 拡張性：edge devicesからサーバーまで、さまざまなハードウェア構成にモデルを展開でき、大規模導入に向けた柔軟でスケーラブルなソリューションを保証します。
その他のアプリケーションについては、advantages of speed estimationをご覧ください。
はい、YOLO26はTensorFlowやPyTorchなどの他のAIフレームワークと統合できます。Ultralyticsは、YOLO26モデルをONNX、TensorRT、CoreMLなどのさまざまな形式にエクスポートするサポートを提供しており、他のMLフレームワークとのシームレスな相互運用性を保証します。
YOLO26モデルをONNX形式にエクスポートするには：
yolo export model=yolo26n.pt format=onnxモデルのエクスポートの詳細については、エクスポートに関するガイドをご覧ください。
Ultralytics YOLO26を使用した速度推定のaccuracyは、オブジェクトトラッキングの品質、ビデオの解像度とフレームレート、環境変数など、いくつかの要因によって異なります。速度推定器は信頼性の高い推定値を提供しますが、フレーム処理速度の差異やオブジェクトのオクルージョン（遮蔽）により、100%正確ではない場合があります。
注意: 常に誤差の範囲を考慮し、可能な場合はグラウンドトゥルースデータで推定値を検証してください。
精度のさらなる向上のためのヒントについては、Arguments
SpeedEstimatorセクションをご確認ください。