Contagem de objectos em diferentes regiões utilizando Ultralytics YOLOv8 🚀
O que é a contagem de objectos nas regiões?
A contagem de objectos em regiões com Ultralytics YOLOv8 envolve a determinação precisa do número de objectos em áreas especificadas utilizando visão computacional avançada. Esta abordagem é valiosa para otimizar processos, aumentar a segurança e melhorar a eficiência em várias aplicações.
Observa: Ultralytics YOLOv8 Contagem de objectos em regiões múltiplas e móveis
Vantagens da contagem de objectos nas regiões?
- Precisão e exatidão: A contagem de objectos em regiões com visão computacional avançada assegura contagens precisas e exatas, minimizando os erros frequentemente associados à contagem manual.
- Melhoria da eficiência: A contagem automatizada de objectos aumenta a eficiência operacional, fornecendo resultados em tempo real e simplificando os processos em diferentes aplicações.
- Versatilidade e aplicação: A versatilidade da contagem de objectos nas regiões torna-a aplicável em vários domínios, desde a produção e vigilância até à monitorização do tráfego, contribuindo para a sua utilidade e eficácia generalizadas.
Aplicações no mundo real
Retalho | Ruas do mercado |
---|---|
Contagem de pessoas em diferentes regiões utilizando Ultralytics YOLOv8 | Contagem de multidões em diferentes regiões utilizando Ultralytics YOLOv8 |
Passos a seguir
Passo 1: Instala as bibliotecas necessárias
Começa por clonar o repositório Ultralytics , instala as dependências e navega para o diretório local utilizando os comandos fornecidos no Passo 2.
# Clone Ultralytics repo
git clone https://github.com/ultralytics/ultralytics
# Navigate to the local directory
cd ultralytics/examples/YOLOv8-Region-Counter
Passo 2: Executa a contagem de regiões utilizando Ultralytics YOLOv8
Executa os seguintes comandos básicos para a inferência.
A região é móvel
Durante a reprodução de vídeo, podes mover interactivamente a região dentro do vídeo, clicando e arrastando com o botão esquerdo do rato.
# Save results
python yolov8_region_counter.py --source "path/to/video.mp4" --save-img
# Run model on CPU
python yolov8_region_counter.py --source "path/to/video.mp4" --device cpu
# Change model file
python yolov8_region_counter.py --source "path/to/video.mp4" --weights "path/to/model.pt"
# Detect specific classes (e.g., first and third classes)
python yolov8_region_counter.py --source "path/to/video.mp4" --classes 0 2
# View results without saving
python yolov8_region_counter.py --source "path/to/video.mp4" --view-img
Argumentos opcionais
Nome | Tipo | Predefinição | Descrição |
---|---|---|---|
--source |
str |
None |
Caminho para o ficheiro de vídeo, para a câmara Web 0 |
--line_thickness |
int |
2 |
Espessura da caixa delimitadora |
--save-img |
bool |
False |
Guarda o vídeo/imagem previsto |
--weights |
str |
yolov8n.pt |
Caminho do ficheiro de pesos |
--classes |
list |
None |
Detecta classes específicas, ou seja, --classes 0 2 |
--region-thickness |
int |
2 |
Região Espessura da caixa |
--track-thickness |
int |
2 |
Espessura da linha de rastreio |
Criado em 2023-12-02, Atualizado em 2024-05-08
Autores: Burhan-Q (1), glenn-jocher (2), RizwanMunawar (1)