Estimativa da velocidade utilizando Ultralytics YOLOv8 🚀
O que é a estimativa de velocidade?
A estimativa da velocidade é o processo de cálculo da taxa de movimento de um objeto num determinado contexto, frequentemente utilizado em aplicações de visão por computador. Utilizando o Ultralytics YOLOv8 pode agora calcular a velocidade de um objeto utilizando o seguimento de objectos juntamente com dados de distância e tempo, cruciais para tarefas como o tráfego e a vigilância. A precisão da estimativa de velocidade influencia diretamente a eficiência e a fiabilidade de várias aplicações, tornando-a um componente essencial para o avanço de sistemas inteligentes e processos de tomada de decisões em tempo real.
Observa: Estimativa de velocidade utilizando Ultralytics YOLOv8
Vantagens da estimativa de velocidade?
- Controlo eficiente do tráfego: A estimativa exacta da velocidade ajuda a gerir o fluxo de tráfego, a aumentar a segurança e a reduzir o congestionamento nas estradas.
- Navegação autónoma precisa: Nos sistemas autónomos, como os carros autónomos, uma estimativa fiável da velocidade garante uma navegação segura e precisa do veículo.
- Segurança de vigilância melhorada: A estimativa de velocidade na análise de vigilância ajuda a identificar comportamentos invulgares ou potenciais ameaças, melhorando a eficácia das medidas de segurança.
Aplicações no mundo real
Transporte | Transporte |
---|---|
Estimativa da velocidade na estrada utilizando Ultralytics YOLOv8 | Estimativa de velocidade em pontes utilizando Ultralytics YOLOv8 |
Estimativa de velocidade utilizando YOLOv8 Exemplo
from ultralytics import YOLO
from ultralytics.solutions import speed_estimation
import cv2
model = YOLO("yolov8n.pt")
names = model.model.names
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))
# Video writer
video_writer = cv2.VideoWriter("speed_estimation.avi",
cv2.VideoWriter_fourcc(*'mp4v'),
fps,
(w, h))
line_pts = [(0, 360), (1280, 360)]
# Init speed-estimation obj
speed_obj = speed_estimation.SpeedEstimator()
speed_obj.set_args(reg_pts=line_pts,
names=names,
view_img=True)
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 = speed_obj.estimate_speed(im0, tracks)
video_writer.write(im0)
cap.release()
video_writer.release()
cv2.destroyAllWindows()
A velocidade é estimada
A velocidade será uma estimativa e pode não ser totalmente exacta. Além disso, a estimativa pode variar dependendo da velocidade da GPU.
Argumentos opcionais set_args
Nome | Tipo | Predefinição | Descrição |
---|---|---|---|
reg_pts |
list |
[(20, 400), (1260, 400)] |
Pontos que definem a área da região |
names |
dict |
None |
Nomes de classes |
view_img |
bool |
False |
Apresenta quadros com contagens |
line_thickness |
int |
2 |
Aumenta a espessura das caixas delimitadoras |
region_thickness |
int |
5 |
Espessura da região ou linha do contador de objectos |
spdl_dist_thresh |
int |
10 |
Limiar da distância euclidiana para a linha de controlo de velocidade |
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 2024-01-05, Atualizado em 2024-05-08
Autores: Burhan-Q (1), RizwanMunawar (2), glenn-jocher (2), AyushExel (1)