Ultralytics YOLO11を使用した速度推定 🚀

Speed Estimationとは何ですか？

速度推定は、与えられたコンテキスト内でオブジェクトの移動速度を計算するプロセスであり、コンピュータビジョンアプリケーションでよく使用されます。Ultralytics YOLO11を使用すると、物体追跡と距離および時間データを使用してオブジェクトの速度を計算できるようになりました。これは、交通監視や監視などのタスクに不可欠です。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し、インテリジェントシステムとリアルタイムの意思決定プロセスの進歩における重要な要素となっています。

見る: Ultralytics YOLO11を使用した速度推定

速度推定の利点

• 効率的な交通制御: 正確な速度推定は、交通の流れを管理し、安全性を高め、道路の混雑を軽減するのに役立ちます。
• 高精度な自動ナビゲーション: 自動運転車のような自動システムでは、信頼性の高い速度推定が安全で正確な車両ナビゲーションを保証します。
• 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するのに役立ち、セキュリティ対策の有効性を向上させます。

現実世界のアプリケーション

輸送	輸送
Ultralytics YOLO11を使用した道路上の速度推定	Ultralytics YOLO11を使用した橋梁上の速度推定

# 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=0.05

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
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("speed_management.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize speed estimation object
speedestimator = solutions.SpeedEstimator(
    show=True,  # display the output
    model="yolo11n.pt",  # path to the YOLO11 model file.
    fps=fps,  # adjust speed based on frame per second
    # max_speed=120,  # cap speed to a max value (km/h) to avoid outliers
    # max_hist=5,  # minimum frames object tracked before computing speed
    # meter_per_pixel=0.05,  # highly depends on the camera configuration
    # classes=[0, 2],  # estimate speed of specific classes.
    # line_width=2,  # adjust the line width for bounding boxes
)

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

    if not success:
        print("Video frame is empty or processing is complete.")
        break

    results = speedestimator(im0)

    # print(results)  # access the output

    video_writer.write(results.plot_im)  # write the processed frame.

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

SpeedEstimator 引数

の表を以下に示します。 SpeedEstimator 引数：

The SpeedEstimator ソリューションでは、以下を使用できます。 track パラメータ：

さらに、以下の可視化オプションがサポートされています。

よくある質問

Ultralytics YOLO11を使用してオブジェクトの速度を推定するにはどうすればよいですか？

Ultralytics YOLO11でオブジェクトの速度を推定するには、オブジェクト検出と追跡技術を組み合わせる必要があります。まず、YOLO11モデルを使用して各フレーム内のオブジェクトを検出する必要があります。次に、これらのオブジェクトをフレーム間で追跡して、時間の経過に伴う動きを計算します。最後に、フレーム間のオブジェクトの移動距離とフレームレートを使用して、速度を推定します。

例:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
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("speed_estimation.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize SpeedEstimator
speedestimator = solutions.SpeedEstimator(
    model="yolo11n.pt",
    show=True,
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    results = speedestimator(im0)
    video_writer.write(results.plot_im)

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

詳細については、公式ブログ記事をご覧ください。

交通管理における速度推定にUltralytics YOLO11を使用する利点は何ですか？

Ultralytics YOLO11 を使用して速度推定を行うと、交通管理において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、速度超過を検出し、道路の安全性を向上させます。
• リアルタイム監視: YOLO11のリアルタイム物体検出機能を活用して、交通の流れと混雑を効果的に監視します。
• スケーラビリティ: エッジデバイスからサーバーまで、さまざまなハードウェア構成にモデルをデプロイし、大規模実装のための柔軟でスケーラブルなソリューションを保証します。

より多くのアプリケーションについては、速度推定の利点を参照してください。

YOLO11を、TensorFlowやPyTorchのような他のAIフレームワークと統合できますか？

はい、YOLO11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、YOLO11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、他のMLフレームワークとのスムーズな相互運用性を保証します。

YOLO11モデルをONNX形式にエクスポートするには：

yolo export model=yolo11n.pt format=onnx

モデルのエクスポートに関する詳細は、エクスポートに関するガイドをご覧ください。

Ultralytics YOLO11を使用した速度推定の精度はどのくらいですか？

Ultralytics YOLO11を使用した速度推定の精度は、オブジェクト追跡の品質、ビデオの解像度とフレームレート、および環境変数を含むいくつかの要因に依存します。速度推定器は信頼できる推定を提供しますが、フレーム処理速度とオブジェクトのオクルージョンのばらつきにより、100％正確ではない場合があります。

注: 可能な場合は、常に誤差を考慮し、実測データで推定値を検証してください。

精度向上のためのヒントは、以下をご覧ください。 引数 SpeedEstimator セクション.

📅 1年前に作成 ✏️ 2か月前に更新

コメント