Ultralytics YOLO11을 사용한 속도 추정 🚀

속도 추정이란 무엇입니까?

속도 추정은 주어진 컨텍스트 내에서 객체의 이동 속도를 계산하는 프로세스로, 컴퓨터 비전 애플리케이션에서 자주 사용됩니다. Ultralytics YOLO11을 사용하면 교통 모니터링 및 감시와 같은 작업에 중요한 거리 및 시간 데이터와 함께 객체 추적을 사용하여 객체의 속도를 계산할 수 있습니다. 속도 추정의 정확도는 다양한 애플리케이션의 효율성과 신뢰성에 직접적인 영향을 미치므로 지능형 시스템 및 실시간 의사 결정 프로세스의 발전에 핵심적인 요소입니다.

참고: Ultralytics YOLO11을 사용한 속도 추정

속도 추정의 장점

• 효율적인 교통 제어: 정확한 속도 추정은 교통 흐름을 관리하고 안전을 강화하며 도로의 혼잡을 줄이는 데 도움이 됩니다.
• 정밀한 자율 주행: 자율 주행 자동차와 같은 자율 시스템에서 안정적인 속도 추정은 안전하고 정확한 차량 탐색을 보장합니다.
• 향상된 감시 보안: 감시 분석에서 속도 추정은 비정상적인 행동 또는 잠재적 위협을 식별하는 데 도움이 되어 보안 조치의 효과를 향상시킵니다.

실제 응용 프로그램

운송	운송
Ultralytics YOLO11을 사용한 도로에서의 속도 추정	Ultralytics YOLO11을 사용한 교량에서의 속도 추정

# 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 인수

다음은 테이블에 SpeedEstimator 인수입니다.

에 지정되어 있습니다. SpeedEstimator 솔루션을 통해 다음을 사용할 수 있습니다. track 파라미터:

또한 다음과 같은 시각화 옵션이 지원됩니다.

FAQ

Ultralytics YOLO11을 사용하여 객체 속도를 어떻게 추정합니까?

Ultralytics YOLO11을 사용하여 객체 속도를 추정하려면 객체 감지 및 추적 기술을 결합해야 합니다. 먼저 YOLO11 모델을 사용하여 각 프레임에서 객체를 감지해야 합니다. 그런 다음 프레임 간에 이러한 객체를 추적하여 시간 경과에 따른 움직임을 계산합니다. 마지막으로 프레임 간 객체의 이동 거리와 프레임 속도를 사용하여 속도를 추정합니다.

예시:

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()

자세한 내용은 공식 블로그 게시물을 참조하세요.

교통 관리에서 속도 추정에 Ultralytics YOLO11을 사용할 때의 이점은 무엇인가요?

속도 추정을 위해 Ultralytics YOLO11을 사용하면 교통 관리에서 상당한 이점을 얻을 수 있습니다.

• 향상된 안전: 차량 속도를 정확하게 추정하여 과속을 감지하고 도로 안전을 개선합니다.
• 실시간 모니터링: YOLO11의 실시간 객체 감지 기능을 활용하여 교통 흐름과 혼잡을 효과적으로 모니터링하십시오.
• 확장성: 에지 장치에서 서버에 이르기까지 다양한 하드웨어 설정에 모델을 배포하여 대규모 구현을 위한 유연하고 확장 가능한 솔루션을 보장합니다.

더 많은 애플리케이션은 속도 추정의 장점을 참조하십시오.

YOLO11을 TensorFlow 또는 PyTorch와 같은 다른 AI 프레임워크와 통합할 수 있습니까?

예, YOLO11은 TensorFlow 및 PyTorch와 같은 다른 AI 프레임워크와 통합될 수 있습니다. Ultralytics는 YOLO11 모델을 ONNX, TensorRT 및 CoreML과 같은 다양한 형식으로 내보내기를 지원하여 다른 ML 프레임워크와의 원활한 상호 운용성을 보장합니다.

YOLO11 모델을 ONNX 형식으로 내보내려면:

yolo export model=yolo11n.pt format=onnx

내보내기 가이드에서 모델 내보내기에 대해 자세히 알아보세요.

Ultralytics YOLO11을 사용한 속도 추정은 얼마나 정확합니까?

Ultralytics YOLO11을 사용한 속도 추정의 정확도는 객체 추적 품질, 비디오 해상도 및 프레임 속도, 환경 변수 등 여러 요인에 따라 달라집니다. 속도 추정기는 신뢰할 수 있는 추정치를 제공하지만 프레임 처리 속도 및 객체 가림의 차이로 인해 100% 정확하지 않을 수 있습니다.

참고: 항상 오차 범위를 고려하고 가능한 경우 실제 데이터로 추정치를 검증하십시오.

정확도 향상 팁은 다음을 확인하세요. 인수 SpeedEstimator 섹션.

📅 1년 전에 생성됨 ✏️ 2개월 전에 업데이트됨

댓글