Ultralytics YOLO11 🚀를 사용한 VisionEye 뷰 오브젝트 매핑

비전아이 오브젝트 매핑이란 무엇인가요?

Ultralytics YOLO11 VisionEye는 컴퓨터가 물체를 식별하고 정확히 찾아낼 수 있는 기능을 제공하여 사람의 눈의 관찰 정밀도를 시뮬레이션합니다. 이 기능을 통해 컴퓨터는 사람의 눈이 특정 시점에서 세부 사항을 관찰하는 방식과 마찬가지로 특정 물체를 식별하고 집중할 수 있습니다.

샘플

비전아이 뷰	객체 추적 기능이 있는 VisionEye 뷰	거리 계산이 포함된 VisionEye 보기

VisionEye 뷰 객체 매핑을 사용하여 Ultralytics YOLO11	다음을 사용하여 객체 추적을 통한 VisionEye 보기 객체 매핑 Ultralytics YOLO11	다음을 사용하여 거리 계산이 포함된 VisionEye 보기 Ultralytics YOLO11

VisionEye 오브젝트 매핑을 사용하여 YOLO11

VisionEye 객체 매핑객체 추적을 통한 VisionEye 객체 매핑거리 계산 기능이 있는 VisionEye

import cv2

from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors

model = YOLO("yolo11n.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("yolo11n.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("yolo11n.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` 인수

이름	유형	기본값	설명
`color`	`tuple`	`(235, 219, 11)`	선 및 개체 중심색
`pin_color`	`tuple`	`(255, 0, 255)`	VisionEye 핀포인트 컬러

참고

문의 사항이 있으시면 Ultralytics 이슈 섹션 또는 아래에 언급된 토론 섹션에 자유롭게 질문을 게시해 주세요.

자주 묻는 질문

VisionEye 객체 매핑을 사용하려면 어떻게 시작하나요 Ultralytics YOLO11 ?

Ultralytics YOLO11 에서 VisionEye 객체 매핑을 사용하려면 먼저 pip를 통해 Ultralytics YOLO 패키지를 설치해야 합니다. 그런 다음 설명서에 제공된 샘플 코드를 사용하여 VisionEye로 객체 감지를 설정할 수 있습니다. 다음은 시작하는 데 도움이 되는 간단한 예제입니다:

import cv2

from ultralytics import YOLO

model = YOLO("yolo11n.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 YOLO11 을 사용하는 VisionEye의 객체 추적 기능의 주요 기능은 무엇인가요?

VisionEye의 객체 추적( Ultralytics YOLO11 )을 통해 사용자는 비디오 프레임 내에서 객체의 움직임을 추적할 수 있습니다. 주요 기능은 다음과 같습니다:

실시간 객체 추적: 물체가 움직일 때 따라잡습니다.
객체 식별: YOLO11 의 강력한 탐지 알고리즘을 활용합니다.
거리 계산: 개체와 지정된 지점 사이의 거리를 계산합니다.
주석 및 시각화: 추적된 개체에 대한 시각적 마커를 제공합니다.

다음은 VisionEye를 사용한 트래킹을 보여주는 간단한 코드 스니펫입니다:

import cv2

from ultralytics import YOLO

model = YOLO("yolo11n.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()

종합적인 가이드는 객체 추적을 사용한 VisionEye 객체 매핑을 참조하세요.

VisionEye의 YOLO11 모델로 거리를 계산하려면 어떻게 해야 하나요?

VisionEye 및 Ultralytics YOLO11 을 사용한 거리 계산에는 프레임의 지정된 지점에서 감지된 물체의 거리를 결정하는 것이 포함됩니다. 이는 공간 분석 기능을 향상시켜 자율 주행 및 감시와 같은 애플리케이션에 유용합니다.

다음은 간단한 예입니다:

import math

import cv2

from ultralytics import YOLO

model = YOLO("yolo11n.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()

자세한 지침은 거리 계산 기능이 있는 VisionEye를 참조하세요.

객체 매핑 및 추적에 Ultralytics YOLO11 을 사용해야 하는 이유는 무엇인가요?

Ultralytics YOLO11 는 속도, 정확성, 통합 용이성으로 잘 알려져 있어 객체 매핑 및 추적에 최고의 선택입니다. 주요 장점은 다음과 같습니다:

최첨단 성능: 실시간 물체 감지에서 높은 정확도를 제공합니다.
유연성: 감지, 추적, 거리 계산 등 다양한 작업을 지원합니다.
커뮤니티 및 지원: 문제 해결 및 개선을 위한 광범위한 문서와 활발한 GitHub 커뮤니티.
사용 편의성: 직관적인 API로 복잡한 작업을 간소화하여 신속한 배포와 반복이 가능합니다.

신청 및 혜택에 대한 자세한 내용은 Ultralytics YOLO11 문서를 참조하세요.

VisionEye를 Comet 또는 ClearML 과 같은 다른 머신 러닝 도구와 통합하려면 어떻게 해야 하나요?

Ultralytics YOLO11 는 Comet 및 ClearML 과 같은 다양한 머신러닝 도구와 원활하게 통합되어 실험 추적, 협업 및 재현성을 향상시킬 수 있습니다. YOLOv5 을 Comet 과 사용하는 방법과 YOLO11 을 ClearML 과 통합하는 방법에 대한 자세한 가이드를 참조하여 시작하세요.

자세한 탐색 및 통합 예시는 Ultralytics 통합 가이드를 참조하세요.

11개월 전 생성됨 ✏️ 1개월 전 업데이트됨