Cálculo de distância usando Ultralytics YOLO26#
O que é o cálculo de distância?#
O cálculo de distância é o processo de medir o espaço entre dois objetos detetados numa imagem ou num fotograma de vídeo. No caso do Ultralytics YOLO26, o centróide da caixa delimitadora é utilizado para calcular a distância entre as caixas delimitadoras destacadas pelo utilizador.
Watch: How to estimate distance between detected objects with Ultralytics YOLO in Pixels 🚀
Elementos visuais#
| Cálculo de distância usando Ultralytics YOLO26 |
|---|
![]() |
Vantagens do cálculo de distância#
- Precisão da localização: melhora o posicionamento espacial preciso em tarefas de visão computacional.
- Estimativa de tamanho: permite estimar o tamanho dos objetos para uma melhor compreensão contextual.
- Compreensão da cena: melhora a compreensão de cenas 3D para uma melhor tomada de decisões em aplicações como veículos autónomos e sistemas de vigilância.
- Prevenção de colisões: permite que os sistemas detetem possíveis colisões através da monitorização das distâncias entre objetos em movimento.
- Análise espacial: facilita a análise das relações e interações entre objetos no ambiente monitorizado.
Cálculo de distância
- Clica em quaisquer duas caixas delimitadoras com o botão esquerdo do rato para calcular a distância.
- Usa o botão direito do rato para eliminar todos os pontos desenhados.
A distância é uma estimativa
A distância é uma estimativa e pode não ser totalmente precisa, pois é calculada usando dados 2D, que carecem de informações de profundidade.
Calcular distâncias com YOLO26#
A solução DistanceCalculation acompanha objetos entre fotogramas e mede a distância euclidiana, em píxeis, entre os centróides de quaisquer duas caixas delimitadoras que selecionares com o rato. Executa o exemplo abaixo e, em seguida, clica com o botão esquerdo em dois objetos para desenhar a linha de ligação e ver a distância; clica com o botão direito para limpar a seleção.
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 windowsArgumentos de DistanceCalculation()#
Eis uma tabela com os argumentos de DistanceCalculation:
| Argumento | Tipo | Predefinição | Descrição |
|---|---|---|---|
model | str | None | Caminho para um ficheiro de modelo YOLO da Ultralytics. |
line_width | int | 2 | Espessura das linhas das caixas, dos pontos-chave e das contagens desenhados pela solução. |
verbose | bool | True | Ativa o registo por fotograma da solução, incluindo a forma da entrada, as contagens por classe e a velocidade de processamento. A chamada de rastreamento permanece sempre silenciosa. |
Também podes utilizar vários argumentos de track na solução DistanceCalculation.
| Argumento | Tipo | Predefinição | Descrição |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Especifica o algoritmo de rastreamento a utilizar. Opções integradas: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Define o limiar de confiança para as deteções; valores mais baixos permitem rastrear mais objetos, mas podem incluir falsos positivos. |
iou | float | 0.7 | Define o limiar de Interseção sobre a União (IoU) para filtrar deteções sobrepostas. |
classes | list | None | Filtra os resultados pelo índice da classe. Por exemplo, classes=[0, 2, 3] rastreia apenas as classes especificadas. |
device | str | None | Especifica o dispositivo para a inferência (por exemplo, cpu, cuda:0 ou 0). Permite selecionar entre CPU, uma GPU específica ou outros dispositivos de computação para executar o modelo. |
imgsz | int or tuple | 640 | Tamanho da imagem de inferência alvo: um inteiro para um quadrado ou um par (height, width). As formas são ajustadas para o passo do modelo. |
max_det | int | 300 | Número máximo de detecções mantidas por quadro antes do rastreamento, limitando os objetos que uma solução processa em cenas densas. |
quantize | int or str | None | Precisão de inferência: 16 (FP16) ou 32/não definido (FP32) para modelos PyTorch e TorchScript; outros formatos computam na precisão que o artefato e o tempo de execução selecionam. Substitui a flag obsoleta half. |
Além disso, estão disponíveis os seguintes argumentos de visualização:
| Argumento | Tipo | Predefinição | Descrição |
|---|---|---|---|
show | bool | False | Se True, apresenta as imagens ou vídeos anotados numa janela. É útil para obter feedback visual imediato durante o desenvolvimento ou os testes. |
show_conf | bool | True | Apresenta a pontuação de confiança de cada deteção junto à etiqueta. Permite compreender o grau de certeza do modelo em cada deteção. |
show_labels | bool | True | Apresenta etiquetas para cada deteção no resultado visual. Permite compreender imediatamente os objetos detetados. |
Detalhes da implementação#
A classe DistanceCalculation funciona acompanhando objetos entre fotogramas de vídeo e calculando a distância euclidiana entre os centróides das caixas delimitadoras selecionadas. Quando clicas em dois objetos, a solução:
- Extrai os centróides (pontos centrais) das caixas delimitadoras selecionadas
- Calcula a distância euclidiana entre estes centróides em píxeis
- Apresenta a distância no fotograma com uma linha de ligação entre os objetos
A implementação utiliza o método mouse_event_for_distance para processar as interações com o rato, permitindo aos utilizadores selecionar objetos e limpar seleções conforme necessário. O método process processa os fotogramas individualmente, acompanha os objetos e calcula as distâncias.
Aplicações#
O cálculo de distância com YOLO26 tem inúmeras aplicações práticas:
- Análise de retalho: mede a proximidade dos clientes aos produtos e analisa a eficácia da disposição da loja
- Segurança industrial: monitoriza as distâncias de segurança entre trabalhadores e máquinas
- Gestão de tráfego: analisa o espaçamento entre veículos e deteta condução demasiado próxima
- Análise desportiva: calcula as distâncias entre jogadores, a bola e posições importantes do campo
- Cuidados de saúde: garante o distanciamento adequado nas salas de espera e monitoriza o movimento dos pacientes
- Robótica: permite que os robôs mantenham distâncias adequadas de obstáculos e pessoas
Perguntas frequentes#
Para calcular as distâncias entre objetos usando o Ultralytics YOLO26, tens de identificar os centróides das caixas delimitadoras dos objetos detetados. Este processo envolve inicializar a classe
DistanceCalculationdo módulosolutionsdo Ultralytics e utilizar as saídas de acompanhamento do modelo para calcular as distâncias.A utilização do cálculo de distância com o Ultralytics YOLO26 oferece várias vantagens:
- Precisão da localização: fornece um posicionamento espacial preciso dos objetos.
- Estimativa de tamanho: ajuda a estimar os tamanhos físicos, contribuindo para uma melhor compreensão contextual.
- Compreensão da cena: melhora a compreensão de cenas 3D, contribuindo para uma melhor tomada de decisões em aplicações como condução autónoma e vigilância.
- Processamento em tempo real: realiza cálculos instantaneamente, sendo adequado para a análise de vídeo ao vivo.
- Capacidades de integração: funciona de forma integrada com outras soluções do YOLO26, como acompanhamento de objetos e estimativa de velocidade.
Sim, podes efetuar o cálculo de distância em transmissões de vídeo em tempo real com o Ultralytics YOLO26. O processo envolve capturar fotogramas de vídeo usando o OpenCV, executar a deteção de objetos do YOLO26 e utilizar a classe
DistanceCalculationpara calcular as distâncias entre objetos em fotogramas consecutivos. Para uma implementação detalhada, consulta o exemplo de transmissão de vídeo.Para eliminar os pontos desenhados durante o cálculo de distância com o Ultralytics YOLO26, podes clicar com o botão direito do rato. Esta ação limpa todos os pontos que desenhaste. Para mais detalhes, consulta a secção de notas no exemplo de cálculo de distância.
Os principais argumentos para inicializar a classe
DistanceCalculationno Ultralytics YOLO26 incluem:model: caminho para o ficheiro do modelo YOLO26.tracker: algoritmo de acompanhamento a utilizar (as soluções utilizambotsort.yamlpor predefinição).conf: limiar de confiança para as deteções.show: sinalizador para apresentar a saída.
Para obter uma lista completa e os valores predefinidos, consulta os argumentos de DistanceCalculation.
