Ultralytics YOLOv8 🚀を使用したVisionEyeビューオブジェクトマッピング
VisionEye Object Mappingとは？
Ultralytics YOLOv8VisionEyeは、人間の目の観察精度をシミュレートすることで、コンピューターが対象物を識別し、ピンポイントで特定する機能を提供します。この機能により、人間の目が特定の視点から細部を観察するのと同じように、コンピューターが特定の物体を識別し、焦点を合わせることができる。
サンプル
| ビジョンアイビュー | 物体追跡機能付きVisionEyeビュー | 距離計算付きVisionEyeビュー |
|---|---|---|
| VisionEyeによるオブジェクトマッピングUltralytics YOLOv8 | VisionEyeを使用したオブジェクト・トラッキングによるビュー・オブジェクト・マッピングUltralytics YOLOv8 | VisionEyeを使用した距離計算付きビューUltralytics YOLOv8 |
VisionEyeによるオブジェクトマッピングYOLOv8
import cv2
from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors
model = YOLO("yolov8n.pt")
names = model.model.names
cap = cv2.VideoCapture("path/to/video/file.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))
out = cv2.VideoWriter("visioneye-pinpoint.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))
center_point = (-10, h)
while True:
ret, im0 = cap.read()
if not ret:
print("Video frame is empty or video processing has been successfully completed.")
break
results = model.predict(im0)
boxes = results[0].boxes.xyxy.cpu()
clss = results[0].boxes.cls.cpu().tolist()
annotator = Annotator(im0, line_width=2)
for box, cls in zip(boxes, clss):
annotator.box_label(box, label=names[int(cls)], color=colors(int(cls)))
annotator.visioneye(box, center_point)
out.write(im0)
cv2.imshow("visioneye-pinpoint", im0)
if cv2.waitKey(1) & 0xFF == ord("q"):
break
out.release()
cap.release()
cv2.destroyAllWindows()
import cv2
from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors
model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.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))
out = cv2.VideoWriter("visioneye-pinpoint.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))
center_point = (-10, h)
while True:
ret, im0 = cap.read()
if not ret:
print("Video frame is empty or video processing has been successfully completed.")
break
annotator = Annotator(im0, line_width=2)
results = model.track(im0, persist=True)
boxes = results[0].boxes.xyxy.cpu()
if results[0].boxes.id is not None:
track_ids = results[0].boxes.id.int().cpu().tolist()
for box, track_id in zip(boxes, track_ids):
annotator.box_label(box, label=str(track_id), color=colors(int(track_id)))
annotator.visioneye(box, center_point)
out.write(im0)
cv2.imshow("visioneye-pinpoint", im0)
if cv2.waitKey(1) & 0xFF == ord("q"):
break
out.release()
cap.release()
cv2.destroyAllWindows()
import math
import cv2
from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator
model = YOLO("yolov8s.pt")
cap = cv2.VideoCapture("Path/to/video/file.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))
out = cv2.VideoWriter("visioneye-distance-calculation.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))
center_point = (0, h)
pixel_per_meter = 10
txt_color, txt_background, bbox_clr = ((0, 0, 0), (255, 255, 255), (255, 0, 255))
while True:
ret, im0 = cap.read()
if not ret:
print("Video frame is empty or video processing has been successfully completed.")
break
annotator = Annotator(im0, line_width=2)
results = model.track(im0, persist=True)
boxes = results[0].boxes.xyxy.cpu()
if results[0].boxes.id is not None:
track_ids = results[0].boxes.id.int().cpu().tolist()
for box, track_id in zip(boxes, track_ids):
annotator.box_label(box, label=str(track_id), color=bbox_clr)
annotator.visioneye(box, center_point)
x1, y1 = int((box[0] + box[2]) // 2), int((box[1] + box[3]) // 2) # Bounding box centroid
distance = (math.sqrt((x1 - center_point[0]) ** 2 + (y1 - center_point[1]) ** 2)) / pixel_per_meter
text_size, _ = cv2.getTextSize(f"Distance: {distance:.2f} m", cv2.FONT_HERSHEY_SIMPLEX, 1.2, 3)
cv2.rectangle(im0, (x1, y1 - text_size[1] - 10), (x1 + text_size[0] + 10, y1), txt_background, -1)
cv2.putText(im0, f"Distance: {distance:.2f} m", (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 1.2, txt_color, 3)
out.write(im0)
cv2.imshow("visioneye-distance-calculation", im0)
if cv2.waitKey(1) & 0xFF == ord("q"):
break
out.release()
cap.release()
cv2.destroyAllWindows()
visioneye 論争
| 名称 | タイプ | デフォルト | 説明 |
|---|---|---|---|
color |
tuple |
(235, 219, 11) |
線とオブジェクトの重心の色 |
pin_color |
tuple |
(255, 0, 255) |
ビジョンアイ・ピンポイントカラー |
注
お問い合わせは、Ultralytics Issue Sectionまたは下記のディスカッション・セクションまでお気軽にお寄せください。
よくあるご質問
VisionEye Object Mapping をUltralytics YOLOv8 で使い始めるには？
VisionEye Object Mapping をUltralytics YOLOv8 で使い始めるには、まず、Ultralytics YOLO パッケージを pip 経由でインストールする必要があります。次に、ドキュメントに記載されているサンプルコードを使用して、VisionEyeによるオブジェクト検出を設定します。以下は、簡単な例です：
import cv2
from ultralytics import YOLO
model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")
while True:
ret, frame = cap.read()
if not ret:
break
results = model.predict(frame)
for result in results:
# Perform custom logic with result
pass
cv2.imshow("visioneye", frame)
if cv2.waitKey(1) & 0xFF == ord("q"):
break
cap.release()
cv2.destroyAllWindows()
Ultralytics YOLOv8 を使用した VisionEye の物体追跡機能の主な特徴は何ですか？
VisionEye's object tracking withUltralytics YOLOv8 ビデオフレーム内の物体の動きを追うことができます。主な機能は以下の通り：
- リアルタイム物体追跡：オブジェクトの動きに追従します。
- オブジェクトの識別：YOLOv8 の強力な検出アルゴリズムを利用。
- 距離計算：オブジェクトと指定したポイント間の距離を計算します。
- 注釈と視覚化：追跡されたオブジェクトの視覚的マーカーを提供します。
以下は、VisionEyeによるトラッキングを実演する簡単なコード・スニペットです：
import cv2
from ultralytics import YOLO
model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")
while True:
ret, frame = cap.read()
if not ret:
break
results = model.track(frame, persist=True)
for result in results:
# Annotate and visualize tracking
pass
cv2.imshow("visioneye-tracking", frame)
if cv2.waitKey(1) & 0xFF == ord("q"):
break
cap.release()
cv2.destroyAllWindows()
包括的なガイドについては、VisionEye Object Mapping with Object Trackingをご覧ください。
VisionEyeのYOLOv8 モデルで距離を計算するには？
VisionEye およびUltralytics YOLOv8 による距離計算では、フレーム内の指定点から検出された物体の距離を決定する。これは、自律走行や監視などのアプリケーションで有用な空間解析機能を強化します。
簡単な例を挙げよう：
import math
import cv2
from ultralytics import YOLO
model = YOLO("yolov8s.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")
center_point = (0, 480) # Example center point
pixel_per_meter = 10
while True:
ret, frame = cap.read()
if not ret:
break
results = model.track(frame, persist=True)
for result in results:
# Calculate distance logic
distances = [
(math.sqrt((box[0] - center_point[0]) ** 2 + (box[1] - center_point[1]) ** 2)) / pixel_per_meter
for box in results
]
cv2.imshow("visioneye-distance", frame)
if cv2.waitKey(1) & 0xFF == ord("q"):
break
cap.release()
cv2.destroyAllWindows()
詳細な手順については、距離計算機能付きVisionEyeを参照してください。
オブジェクトのマッピングとトラッキングにUltralytics YOLOv8 を使う理由は？
Ultralytics YOLOv8 は、そのスピード、正確さ、統合のしやすさで定評があり、オブジェクトのマッピングとトラッキングに最適です。主な利点は以下の通りです：
- 最先端の性能：リアルタイムで高精度の物体検出を実現。
- 柔軟性：検出、追跡、距離計算など様々なタスクをサポート。
- コミュニティとサポート：豊富なドキュメントと活発なGitHubコミュニティによるトラブルシューティングと機能拡張。
- 使いやすさ：直感的なAPIは複雑なタスクを簡素化し、迅速な展開と反復を可能にします。
アプリケーションや特典の詳細については、Ultralytics YOLOv8 。
VisionEyeを他の機械学習ツール（Comet 、ClearML ）と統合する方法は？
Ultralytics YOLOv8 は、Comet やClearML のような様々な機械学習ツールとシームレスに統合することができ、実験の追跡、共同作業、再現性を高めることができます。 YOLOv5 とCometの使用方法、および YOLOv8 とClearMLの統合 方法については、詳細なガイドに従ってください。
さらに詳しい説明と統合例については、Ultralytics 統合ガイドをご覧ください。