Link to this sectionMapeamento de Objetos com VisionEye usando Ultralytics YOLO26 🚀#

Link to this sectionO que é o Mapeamento de Objetos VisionEye?#

O VisionEye do Ultralytics YOLO26 oferece a capacidade para computadores identificarem e localizarem objetos, simulando a precisão de observação do olho humano. Essa funcionalidade permite que computadores discernam e foquem em objetos específicos, de forma muito semelhante à maneira como o olho humano observa detalhes a partir de um ponto de vista específico.

Link to this sectionMapeia objetos com YOLO26#

O VisionEye fixa um único ponto de observação no frame e traça um raio a partir dele até cada objeto rastreado, para que possas visualizar como uma cena se parece a partir de um ponto de vista. Define vision_point com as coordenadas de pixel do observador e, em seguida, executa a solução sobre o teu vídeo com a API Python ou a CLI.

# Monitor objects position with visioneye
yolo solutions visioneye show=True

# Pass a source video
yolo solutions visioneye source="path/to/video.mp4"

# Monitor the specific classes
yolo solutions visioneye classes="[0, 5]"

Link to this sectionArgumentos do VisionEye#

Aqui está uma tabela com os argumentos do VisionEye:

Você também pode utilizar vários argumentos de track dentro da solução VisionEye:

Além disso, alguns argumentos de visualização são suportados, conforme listado abaixo:

Link to this sectionComo o VisionEye funciona#

O VisionEye funciona estabelecendo um ponto de visão fixo no frame e traçando linhas a partir desse ponto até aos objetos detetados. Isto simula como a visão humana foca em múltiplos objetos a partir de um único ponto de vista. A solução utiliza object tracking para manter uma identificação consistente dos objetos ao longo dos frames, criando uma representação visual da relação espacial entre o observador (ponto de visão) e os objetos na cena.

O método process na classe VisionEye executa várias operações principais:

1. Extrai rastreamentos (caixas delimitadoras, classes e máscaras) da imagem de entrada
2. Cria um anotador para desenhar caixas delimitadoras e rótulos
3. Para cada objeto detectado, desenha um rótulo de caixa e cria uma linha de visão a partir do ponto de visão
4. Retorna a imagem anotada com estatísticas de rastreamento

Essa abordagem é particularmente útil para aplicações que exigem consciência espacial e visualização de relações entre objetos, como sistemas de vigilância, navegação autônoma e instalações interativas.

Link to this sectionAplicações do VisionEye#

O mapeamento de objetos VisionEye possui inúmeras aplicações práticas em vários setores:

• Segurança e Vigilância: Monitore múltiplos objetos de interesse a partir de uma posição fixa de câmera
• Análise de Varejo: Rastreie padrões de movimentação de clientes em relação a displays de loja
• Análise Esportiva: Analise o posicionamento e a movimentação dos jogadores a partir da perspectiva de um treinador
• Veículos Autônomos: Visualize como um veículo "enxerga" e prioriza objetos em seu ambiente
• Interação Humano-Computador: Crie interfaces mais intuitivas que respondem às relações espaciais

Ao combinar o VisionEye com outras soluções Ultralytics como distance calculation ou speed estimation, podes construir sistemas abrangentes que não apenas rastreiam objetos, mas também compreendem as suas relações espaciais e comportamentos.

Link to this sectionFAQ#

Link to this sectionComo começo a usar o Mapeamento de Objetos VisionEye com o Ultralytics YOLO26?#

Para começar a usar o Mapeamento de Objetos VisionEye com o Ultralytics YOLO26, primeiro, você precisará instalar o pacote Ultralytics YOLO via pip. Então, você pode usar o código de exemplo fornecido na documentação para configurar a detecção de objetos com o VisionEye. Aqui está um exemplo simples para você começar:

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("vision-eye-mapping.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init vision eye object
visioneye = solutions.VisionEye(
    show=True,  # display the output
    model="yolo26n.pt",  # use any model that Ultralytics supports, e.g., YOLOv10
    classes=[0, 2],  # generate visioneye view for specific classes
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break

    results = visioneye(im0)

    print(results)  # access the output

    video_writer.write(results.plot_im)  # write the video file

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

Link to this sectionPor que devo usar o Ultralytics YOLO26 para mapeamento e rastreamento de objetos?#

O Ultralytics YOLO26 é reconhecido por sua velocidade, precisão e facilidade de integração, tornando-o uma das melhores escolhas para mapeamento e rastreamento de objetos. As principais vantagens incluem:

1. Desempenho de Ponta: Oferece alta precisão na detecção de objetos em tempo real.
2. Flexibilidade: Suporta várias tarefas, como detecção, rastreamento e cálculo de distância.
3. Comunidade e Suporte: Documentação extensa e comunidade ativa no GitHub para solução de problemas e melhorias.
4. Facilidade de Uso: A API intuitiva simplifica tarefas complexas, permitindo implementação e iteração rápidas.

Para mais informações sobre aplicações e benefícios, consulta a Ultralytics YOLO26 documentation.

Link to this sectionComo posso integrar o VisionEye com outras ferramentas de aprendizado de máquina como Comet ou ClearML?#

O Ultralytics YOLO26 pode integrar-se perfeitamente com várias ferramentas de machine learning como Comet e ClearML, melhorando o rastreio de experiências, a colaboração e a reprodutibilidade. Segue os guias detalhados sobre how to use YOLOv5 with Comet e integrate YOLO26 with ClearML para começar.

Para exploração adicional e exemplos de integração, consulta o nosso Ultralytics Integrations Guide.