Link to this sectionПодсчет объектов с помощью Ultralytics YOLO26#
Link to this sectionЧто такое подсчет объектов?#
Подсчет объектов с помощью Ultralytics YOLO26 включает точное определение и подсчет конкретных объектов на видео и в потоках с камер. Благодаря современным алгоритмам и возможностям глубинного обучения, YOLO26 отлично подходит для приложений реального времени, обеспечивая эффективный и точный подсчет объектов в различных сценариях, таких как анализ толпы и видеонаблюдение.
Watch: How to Perform Real-Time Object Counting with Ultralytics YOLO26 🚀
Link to this sectionПреимущества подсчета объектов#
- Оптимизация ресурсов: Подсчет объектов способствует эффективному управлению ресурсами за счет предоставления точных данных, что помогает оптимизировать их распределение в таких приложениях, как управление запасами.
- Повышенная безопасность: Подсчет объектов улучшает безопасность и видеонаблюдение за счет точного отслеживания и учета сущностей, помогая в проактивном обнаружении угроз.
- Принятие обоснованных решений: Подсчет объектов предоставляет ценную аналитику для принятия решений, оптимизируя процессы в ритейле, управлении дорожным движением и многих других областях.
Link to this sectionРеальные сценарии применения#
| Логистика | Аквакультура |
|---|---|
![]() | ![]() |
| Подсчет пакетов на конвейерной ленте с помощью Ultralytics YOLO26 | Подсчет рыбы в море с помощью Ultralytics YOLO26 |
# Run a counting example
yolo solutions count show=True
# Pass a source video
yolo solutions count source="path/to/video.mp4"
# Pass region coordinates
yolo solutions count region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"Аргумент region принимает либо две точки (для линии), либо многоугольник с тремя и более точками. Определи координаты в том порядке, в котором они должны быть соединены, чтобы счетчик точно знал, где происходят входы и выходы.
Link to this sectionАргументы ObjectCounter#
Ниже представлена таблица с аргументами ObjectCounter:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
model | str | None | Путь к файлу модели Ultralytics YOLO. |
show_in | bool | True | Флаг для управления отображением входящих объектов в потоке видео. |
show_out | bool | True | Флаг для управления отображением выходящих объектов в потоке видео. |
region | list | '[(20, 400), (1260, 400)]' | Список точек, определяющих область подсчета. |
Решение ObjectCounter позволяет использовать несколько аргументов track:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Указывает алгоритм отслеживания, который следует использовать, например, bytetrack.yaml или botsort.yaml. |
conf | float | 0.1 | Устанавливает порог уверенности для обнаружений; более низкие значения позволяют отслеживать больше объектов, но могут включать ложные срабатывания. |
iou | float | 0.7 | Устанавливает порог Intersection over Union (IoU) для фильтрации перекрывающихся обнаружений. |
classes | list | None | Фильтрует результаты по индексу класса. Например, classes=[0, 2, 3] отслеживает только указанные классы. |
verbose | bool | True | Контролирует отображение результатов отслеживания, предоставляя визуальный вывод отслеживаемых объектов. |
device | str | None | Указывает устройство для вывода (например, cpu, cuda:0 или 0). Позволяет выбирать между CPU, конкретным GPU или другими вычислительными устройствами для выполнения модели. |
Кроме того, поддерживаются указанные ниже аргументы визуализации:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
show | bool | False | Если True, отображает аннотированные изображения или видео в окне. Полезно для немедленной визуальной обратной связи во время разработки или тестирования. |
line_width | int or None | None | Указывает ширину линии ограничивающих рамок. Если None, ширина линии автоматически подстраивается под размер изображения. Обеспечивает визуальную настройку для ясности. |
show_conf | bool | True | Отображает показатель уверенности для каждого обнаружения рядом с меткой. Дает представление об уверенности модели в каждом обнаружении. |
show_labels | bool | True | Отображает метки для каждого обнаружения в визуальном выводе. Обеспечивает быстрое понимание того, какие объекты были обнаружены. |
Link to this sectionFAQ#
Link to this sectionКак мне подсчитать объекты на видео с помощью Ultralytics YOLO26?#
Чтобы подсчитать объекты на видео с помощью Ultralytics YOLO26, выполни следующие действия:
- Импортируй необходимые библиотеки (
cv2,ultralytics). - Определи область подсчета (например, многоугольник, линию и т. д.).
- Настрой захват видео и инициализируй счетчик объектов.
- Обрабатывай каждый кадр для отслеживания объектов и их подсчета в пределах определенной области.
Вот простой пример подсчета в области:
import cv2
from ultralytics import solutions
def count_objects_in_region(video_path, output_video_path, model_path):
"""Count objects in a specific region within a video."""
cap = cv2.VideoCapture(video_path)
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 = cv2.VideoWriter(output_video_path, cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360)]
counter = solutions.ObjectCounter(show=True, region=region_points, model=model_path)
while cap.isOpened():
success, im0 = cap.read()
if not success:
print("Video frame is empty or processing is complete.")
break
results = counter(im0)
video_writer.write(results.plot_im)
cap.release()
video_writer.release()
cv2.destroyAllWindows()
count_objects_in_region("path/to/video.mp4", "output_video.avi", "yolo26n.pt")Для более сложных конфигураций и опций ознакомься с решением RegionCounter для подсчета объектов в нескольких областях одновременно.
Link to this sectionКаковы преимущества использования Ultralytics YOLO26 для подсчета объектов?#
Использование Ultralytics YOLO26 для подсчета объектов дает несколько преимуществ:
- Оптимизация ресурсов: Это способствует эффективному управлению ресурсами за счет предоставления точных данных, помогая оптимизировать их распределение в таких отраслях, как управление запасами.
- Повышенная безопасность: Это улучшает безопасность и видеонаблюдение за счет точного отслеживания и учета сущностей, помогая в проактивном обнаружении угроз и работе систем безопасности.
- Принятие обоснованных решений: Это предоставляет ценную аналитику для принятия решений, оптимизируя процессы в таких областях, как ритейл, управление дорожным движением и других.
- Обработка в реальном времени: Архитектура YOLO26 обеспечивает инференс в реальном времени, что делает ее подходящей для потокового видео и приложений, критичных ко времени.
Для примеров реализации и практического применения изучи решение TrackZone для отслеживания объектов в конкретных зонах.
Link to this sectionКак я могу подсчитать конкретные классы объектов с помощью Ultralytics YOLO26?#
Чтобы подсчитать конкретные классы объектов с помощью Ultralytics YOLO26, тебе нужно указать интересующие тебя классы на этапе отслеживания. Ниже приведен пример на Python:
import cv2
from ultralytics import solutions
def count_specific_classes(video_path, output_video_path, model_path, classes_to_count):
"""Count specific classes of objects in a video."""
cap = cv2.VideoCapture(video_path)
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 = cv2.VideoWriter(output_video_path, cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
line_points = [(20, 400), (1080, 400)]
counter = solutions.ObjectCounter(show=True, region=line_points, model=model_path, classes=classes_to_count)
while cap.isOpened():
success, im0 = cap.read()
if not success:
print("Video frame is empty or processing is complete.")
break
results = counter(im0)
video_writer.write(results.plot_im)
cap.release()
video_writer.release()
cv2.destroyAllWindows()
count_specific_classes("path/to/video.mp4", "output_specific_classes.avi", "yolo26n.pt", [0, 2])В этом примере classes_to_count=[0, 2] означает, что подсчитываются объекты классов 0 и 2 (например, человек и автомобиль в наборе данных COCO). Больше информации об индексах классов ты можешь найти в документации к набору данных COCO.
Link to this sectionПочему стоит использовать YOLO26, а не другие модели обнаружения объектов для приложений реального времени?#
Ultralytics YOLO26 предоставляет несколько преимуществ перед другими моделями обнаружения объектов, такими как Faster R-CNN, SSD и предыдущими версиями YOLO:
- Скорость и эффективность: YOLO26 предлагает возможности обработки в реальном времени, что делает его идеальным для приложений, требующих высокоскоростного инференса, таких как видеонаблюдение и автономное вождение.
- Точность: Он обеспечивает передовую точность в задачах обнаружения и отслеживания объектов, уменьшая количество ложных срабатываний и повышая общую надежность системы.
- Простота интеграции: YOLO26 предлагает бесшовную интеграцию с различными платформами и устройствами, включая мобильные и периферийные устройства, что критически важно для современных AI-приложений.
- Гибкость: Поддерживает различные задачи, такие как обнаружение объектов, сегментация и отслеживание с конфигурируемыми моделями для соответствия конкретным требованиям сценария использования.
Ознакомься с документацией Ultralytics YOLO26 для более глубокого изучения его функций и сравнения производительности.
Link to this sectionМогу ли я использовать YOLO26 для продвинутых задач, таких как анализ толпы и управление дорожным движением?#
Да, Ultralytics YOLO26 идеально подходит для продвинутых приложений, таких как анализ толпы и управление дорожным движением, благодаря своим возможностям обнаружения в реальном времени, масштабируемости и гибкости интеграции. Его расширенные функции позволяют выполнять высокоточное отслеживание, подсчет и классификацию объектов в динамических средах. Примеры вариантов использования:
- Анализ толпы: Отслеживай и управляй большими скоплениями людей, обеспечивая безопасность и оптимизируя потоки людей с помощью регионального подсчета.
- Управление дорожным движением: Отслеживай и подсчитывай транспортные средства, анализируй структуру трафика и управляй заторами в реальном времени с возможностями оценки скорости.
- Ритейл-аналитика: Анализируй паттерны перемещения покупателей и взаимодействия с товарами для оптимизации планировки магазинов и улучшения клиентского опыта.
- Промышленная автоматизация: Подсчитывай продукцию на конвейерных лентах и контролируй производственные линии для контроля качества и улучшения эффективности.
Для более специализированных применений изучи решения Ultralytics, представляющие собой комплексный набор инструментов, разработанных для решения реальных задач компьютерного зрения.

