Contagem de objectos utilizando Ultralytics YOLOv8 🚀

O que é a contagem de objectos?

A contagem de objectos com Ultralytics YOLOv8 envolve a identificação e contagem precisas de objectos específicos em vídeos e fluxos de câmaras. O YOLOv8 destaca-se em aplicações em tempo real, fornecendo uma contagem de objectos eficiente e precisa para vários cenários, como a análise de multidões e a vigilância, graças aos seus algoritmos de ponta e capacidades de aprendizagem profunda.

Observa: Contagem de objectos utilizando Ultralytics YOLOv8

Vantagens da contagem de objectos?

Otimização de recursos: A contagem de objectos facilita a gestão eficiente de recursos, fornecendo contagens precisas e optimizando a atribuição de recursos em aplicações como a gestão de inventário.
Segurança melhorada: A contagem de objectos melhora a segurança e a vigilância ao seguir e contar entidades com precisão, ajudando na deteção proactiva de ameaças.
Tomada de decisões informada: A contagem de objectos oferece informações valiosas para a tomada de decisões, optimizando os processos no retalho, na gestão do tráfego e em vários outros domínios.

Aplicações no mundo real

Logística	Aquacultura

Contagem de pacotes de correia transportadora usando Ultralytics YOLOv8	Contagem de peixes no mar usando Ultralytics YOLOv8

Contagem de objectos utilizando YOLOv8 Exemplo

Contagem na regiãoContagem no polígonoConta em linhaClasses específicas

from ultralytics import YOLO
from ultralytics.solutions import object_counter
import cv2

model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

# Define region points
region_points = [(20, 400), (1080, 404), (1080, 360), (20, 360)]

# Video writer
video_writer = cv2.VideoWriter("object_counting_output.avi",
                       cv2.VideoWriter_fourcc(*'mp4v'),
                       fps,
                       (w, h))

# Init Object Counter
counter = object_counter.ObjectCounter()
counter.set_args(view_img=True,
                 reg_pts=region_points,
                 classes_names=model.names,
                 draw_tracks=True,
                 line_thickness=2)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    tracks = model.track(im0, persist=True, show=False)

    im0 = counter.start_counting(im0, tracks)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

from ultralytics import YOLO
from ultralytics.solutions import object_counter
import cv2

model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

# Define region points as a polygon with 5 points
region_points = [(20, 400), (1080, 404), (1080, 360), (20, 360), (20, 400)]

# Video writer
video_writer = cv2.VideoWriter("object_counting_output.avi",
                       cv2.VideoWriter_fourcc(*'mp4v'),
                       fps,
                       (w, h))

# Init Object Counter
counter = object_counter.ObjectCounter()
counter.set_args(view_img=True,
                 reg_pts=region_points,
                 classes_names=model.names,
                 draw_tracks=True,
                 line_thickness=2)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    tracks = model.track(im0, persist=True, show=False)

    im0 = counter.start_counting(im0, tracks)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

from ultralytics import YOLO
from ultralytics.solutions import object_counter
import cv2

model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

# Define line points
line_points = [(20, 400), (1080, 400)]

# Video writer
video_writer = cv2.VideoWriter("object_counting_output.avi",
                       cv2.VideoWriter_fourcc(*'mp4v'),
                       fps,
                       (w, h))

# Init Object Counter
counter = object_counter.ObjectCounter()
counter.set_args(view_img=True,
                 reg_pts=line_points,
                 classes_names=model.names,
                 draw_tracks=True,
                 line_thickness=2)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    tracks = model.track(im0, persist=True, show=False)

    im0 = counter.start_counting(im0, tracks)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

from ultralytics import YOLO
from ultralytics.solutions import object_counter
import cv2

model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

line_points = [(20, 400), (1080, 400)]  # line or region points
classes_to_count = [0, 2]  # person and car classes for count

# Video writer
video_writer = cv2.VideoWriter("object_counting_output.avi",
                       cv2.VideoWriter_fourcc(*'mp4v'),
                       fps,
                       (w, h))

# Init Object Counter
counter = object_counter.ObjectCounter()
counter.set_args(view_img=True,
                 reg_pts=line_points,
                 classes_names=model.names,
                 draw_tracks=True,
                 line_thickness=2)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    tracks = model.track(im0, persist=True, show=False,
                         classes=classes_to_count)

    im0 = counter.start_counting(im0, tracks)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

A região é móvel

Podes mover a região para qualquer parte da moldura clicando nas suas extremidades

Argumentos opcionais `set_args`

Nome	Tipo	Predefinição	Descrição
`view_img`	`bool`	`False`	Apresenta quadros com contagens
`view_in_counts`	`bool`	`True`	Apresenta as contagens iniciais apenas no fotograma de vídeo
`view_out_counts`	`bool`	`True`	Apresenta as contagens totais apenas no fotograma de vídeo
`line_thickness`	`int`	`2`	Aumenta as caixas delimitadoras e conta a espessura do texto
`reg_pts`	`list`	`[(20, 400), (1260, 400)]`	Pontos que definem a área da região
`classes_names`	`dict`	`model.model.names`	Dicionário de nomes de classes
`count_reg_color`	`RGB Color`	`(255, 0, 255)`	Cor da região ou linha de contagem de objectos
`track_thickness`	`int`	`2`	Espessura das linhas de rastreio
`draw_tracks`	`bool`	`False`	Ativar o desenho de linhas de traço
`track_color`	`RGB Color`	`(0, 255, 0)`	Cor para cada linha de pista
`line_dist_thresh`	`int`	`15`	Limiar da distância euclidiana para o contador de linhas
`count_txt_color`	`RGB Color`	`(255, 255, 255)`	Cor de primeiro plano para o texto de contagem de objectos
`region_thickness`	`int`	`5`	Espessura da região ou linha do contador de objectos
`count_bg_color`	`RGB Color`	`(255, 255, 255)`	Conta a cor do marcador

Argumentos `model.track`

Nome	Tipo	Predefinição	Descrição
`source`	`im0`	`None`	diretório de origem para imagens ou vídeos
`persist`	`bool`	`False`	persistência de faixas entre fotogramas
`tracker`	`str`	`botsort.yaml`	Método de rastreio 'bytetrack' ou 'botsort'
`conf`	`float`	`0.3`	Limiar de confiança
`iou`	`float`	`0.5`	Limiar IOU
`classes`	`list`	`None`	filtra os resultados por classe, ou seja, classes=0, ou classes=[0,2,3]
`verbose`	`bool`	`True`	Apresenta os resultados do rastreio de objectos

Criado em 2023-12-02, Atualizado em 2024-04-18
Autores: glenn-jocher (9), RizwanMunawar (1), AyushExel (1)

Contagem de objectos utilizando Ultralytics YOLOv8 🚀

O que é a contagem de objectos?

Vantagens da contagem de objectos?

Aplicações no mundo real

Argumentos opcionais set_args

Argumentos model.track

Comentários

Argumentos opcionais `set_args`

Argumentos `model.track`