Ultralytics YOLO26을 사용한 거리 계산

Q: How do I calculate distances between objects using Ultralytics YOLO26?

Ultralytics YOLO26을 사용하여 객체 간 거리를 계산하려면 detect된 객체의 바운딩 박스 중심점을 식별해야 합니다. 이 과정은 Ultralytics의 솔루션 모듈에서 DistanceCalculation 클래스를 초기화하고 모델의 track 출력값을 사용하여 거리를 계산하는 것을 포함합니다.

Q: Can I perform distance calculation in real-time video streams with Ultralytics YOLO26?

네, Ultralytics YOLO26을 사용하여 실시간 비디오 스트림에서 거리 계산을 수행할 수 있습니다. 이 과정은 OpenCV를 사용하여 비디오 프레임을 캡처하고, YOLO26 객체 detect를 실행하며, DistanceCalculation 클래스를 사용하여 연속적인 프레임에서 객체 간 거리를 계산하는 것을 포함합니다. 자세한 구현은 비디오 스트림 예제를 참조하십시오.

Q: How do I delete points drawn during distance calculation using Ultralytics YOLO26?

Ultralytics YOLO26을 사용한 거리 계산 중 그려진 점을 삭제하려면 마우스 오른쪽 클릭을 사용할 수 있습니다. 이 동작은 그려진 모든 점을 지웁니다. 더 자세한 내용은 거리 계산 예제 아래의 참고 섹션을 참조하십시오.

거리 계산이란 무엇입니까?

두 객체 사이의 간격을 측정하는 것을 특정 공간 내에서의 거리 계산이라고 합니다. Ultralytics YOLO26의 경우, 사용자가 강조 표시한 바운딩 박스의 거리를 계산하기 위해 바운딩 박스 중심점이 사용됩니다.

참고: 픽셀 단위의 Ultralytics YOLO 감지된 물체 사이의 거리를 추정하는 방법 🚀

비주얼 자료

Ultralytics YOLO26을 사용한 거리 계산

거리 계산의 장점

지역화 정밀도: 컴퓨터 비전 작업에서 정확한 공간 포지셔닝을 향상시킵니다.
크기 추정: 더 나은 상황 이해를 위해 객체 크기를 추정할 수 있습니다.
장면 이해: 자율 주행 차량 및 감시 시스템과 같은 애플리케이션에서 더 나은 의사 결정을 위해 3D 장면 이해도를 향상시킵니다.
충돌 회피: 움직이는 객체 간의 거리를 모니터링하여 잠재적인 충돌을 detect하도록 시스템을 지원합니다.
공간 분석: 모니터링 환경 내에서 객체 관계 및 상호 작용 분석을 용이하게 합니다.

거리 계산

마우스 왼쪽 버튼으로 두 개의 경계 상자를 클릭하여 거리를 계산합니다.
마우스 오른쪽 버튼을 사용하여 그려진 모든 점을 삭제합니다.
프레임의 아무 곳이나 마우스 왼쪽 버튼으로 클릭하여 새 포인트를 추가합니다.

거리는 추정치입니다

거리는 추정치이며 2D 데이터를 사용하여 계산되므로 완전히 정확하지 않을 수 있습니다, 깊이 정보가 부족한 2D 데이터를 사용하여 계산되기 때문에 정확하지 않을 수 있습니다.

Ultralytics YOLO를 사용한 거리 계산

Python

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("distance_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize distance calculation object
distancecalculator = solutions.DistanceCalculation(
    model="yolo26n.pt",  # path to the YOLO26 model file.
    show=True,  # display the output
)

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

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

    results = distancecalculator(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

`DistanceCalculation()` 인수

다음은 테이블에 DistanceCalculation 인수입니다.

인수	유형	기본값	설명
`model`	`str`	`None`	Ultralytics YOLO 모델 파일의 경로입니다.

다양한 방법을 활용할 수도 있습니다. track 다음의 인수들 DistanceCalculation 솔루션.

인수	유형	기본값	설명
`tracker`	`str`	`'botsort.yaml'`	사용할 추적 알고리즘을 지정합니다 (예: `bytetrack.yaml` 또는 `botsort.yaml`.
`conf`	`float`	`0.1`	검출에 대한 신뢰도 임계값을 설정합니다. 값이 낮을수록 더 많은 객체를 추적할 수 있지만 오탐지가 포함될 수 있습니다.
`iou`	`float`	`0.7`	중복되는 detect를 필터링하기 위한 IoU(Intersection over Union) 임계값을 설정합니다.
`classes`	`list`	`None`	클래스 인덱스별로 결과를 필터링합니다. 예를 들어, `classes=[0, 2, 3]` 지정된 클래스만 추적합니다.
`verbose`	`bool`	`True`	추적 결과 표시를 제어하여 추적된 객체의 시각적 출력을 제공합니다.
`device`	`str`	`None`	추론을 위한 장치를 지정합니다 (예: `cpu`, `cuda:0` 또는 `0`). 사용자는 모델 실행을 위해 CPU, 특정 GPU 또는 기타 컴퓨팅 장치 중에서 선택할 수 있습니다.

또한 다음과 같은 시각화 인수를 사용할 수 있습니다:

인수	유형	기본값	설명
`show`	`bool`	`False`	만약 `True`, 어노테이션이 적용된 이미지나 비디오를 창에 표시합니다. 개발 또는 테스트 중 즉각적인 시각적 피드백에 유용합니다.
`line_width`	`int or None`	`None`	경계 상자의 선 너비를 지정합니다. 만약 `None`, 선 너비는 이미지 크기에 따라 자동으로 조정됩니다. 명확성을 위해 시각적 사용자 정의를 제공합니다.
`show_conf`	`bool`	`True`	레이블과 함께 각 감지에 대한 신뢰도 점수를 표시합니다. 각 감지에 대한 모델의 확신에 대한 통찰력을 제공합니다.
`show_labels`	`bool`	`True`	시각적 출력에서 각 감지에 대한 레이블을 표시합니다. 감지된 객체에 대한 즉각적인 이해를 제공합니다.

구현 세부 정보

에 지정되어 있습니다. DistanceCalculation 클래스는 비디오 프레임에서 객체를 추적하고 선택한 경계 상자의 중심 사이의 유클리드 거리를 계산하여 작동합니다. 두 객체를 클릭하면 솔루션:

선택한 경계 상자의 중심점(중심점)을 추출합니다.
이러한 중심 사이의 유클리드 거리를 픽셀 단위로 계산합니다.
객체 사이를 연결하는 선과 함께 프레임에 거리를 표시합니다.

이 구현에서는 다음을 사용합니다. mouse_event_for_distance 메서드는 마우스 상호 작용을 처리하여 사용자가 필요에 따라 객체를 선택하고 선택을 취소할 수 있도록 합니다. 해당 process 메서드는 프레임별 처리, 객체 추적 및 거리 계산을 처리합니다.

응용 분야

YOLO26을 이용한 거리 계산은 다양한 실제 적용 사례를 가집니다:

소매 분석: 제품에 대한 고객 근접성을 측정하고 매장 레이아웃 효율성을 분석합니다.
산업 안전: 작업자와 기계 사이의 안전 거리를 모니터링합니다.
교통 관리: 차량 간격 분석 및 꼬리 물기(tailgating) detect
스포츠 분석: 선수, 공 및 주요 필드 위치 간의 거리를 계산합니다.
헬스케어: 대기 구역에서 적절한 거리 두기를 보장하고 환자 이동을 모니터링합니다.
로보틱스: 로봇이 장애물과 사람으로부터 적절한 거리를 유지할 수 있도록 합니다.

FAQ

Ultralytics YOLO26을 사용하여 객체 간 거리를 어떻게 계산하나요?

다음을 사용하여 객체 간의 거리를 계산하려면 Ultralytics YOLO26, 감지된 객체의 경계 상자 중심을 식별해야 합니다. 이 프로세스에는 다음을 초기화하는 작업이 포함됩니다. DistanceCalculation Ultralytics' 클래스 위치 solutions 모듈과 모델의 추적 출력을 사용하여 거리를 계산합니다.

Ultralytics YOLO26으로 거리 계산을 사용하면 어떤 이점이 있나요?

Ultralytics YOLO26을 사용한 거리 계산은 몇 가지 장점을 제공합니다:

지역화 정밀도: 객체에 대한 정확한 공간 포지셔닝을 제공합니다.
크기 추정: 물리적 크기를 추정하는 데 도움이 되어 더 나은 상황 이해에 기여합니다.
장면 이해: 3D 장면 이해도를 향상시켜 자율 주행 및 감시와 같은 애플리케이션에서 향상된 의사 결정을 지원합니다.
실시간 처리: 즉석에서 계산을 수행하므로 라이브 비디오 분석에 적합합니다.
통합 기능: 객체 track 및 속도 추정과 같은 다른 YOLO26 솔루션과 원활하게 작동합니다.

Ultralytics YOLO26으로 실시간 비디오 스트림에서 거리 계산을 수행할 수 있나요?

네, Ultralytics YOLO26으로 실시간 비디오 스트림에서 거리 계산을 수행할 수 있습니다. 이 과정은 다음을 사용하여 비디오 프레임을 캡처하는 것을 포함합니다. OpenCV, YOLO26 실행 객체 감지, 사용하는 DistanceCalculation 클래스는 연속 프레임에서 객체 간의 거리를 계산합니다. 자세한 구현은 다음을 참조하십시오. 비디오 스트림 예시.