Подсчёт объектов с помощью Ultralytics YOLO26#

Чтобы подсчитывать объекты на видео с помощью Ultralytics YOLO26, выполни следующие шаги:

1. Импортируй необходимые библиотеки (cv2, ultralytics).
2. Задай область подсчёта (например, многоугольник, линию и т. д.).
3. Настрой захват видео и инициализируй счётчик объектов.
4. Обрабатывай каждый кадр, чтобы отслеживать объекты и подсчитывать их в заданной области.

Вот простой пример подсчёта объектов 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")

Более сложные настройки и параметры для одновременного подсчёта объектов в нескольких областях смотри в решении RegionCounter.

Использование Ultralytics YOLO26 для подсчёта объектов даёт ряд преимуществ:

1. Оптимизация ресурсов: решение помогает эффективно управлять ресурсами, предоставляя точные данные и оптимизируя их распределение в таких отраслях, как управление запасами.
2. Повышение безопасности: решение повышает уровень безопасности и эффективность видеонаблюдения благодаря точному отслеживанию и подсчёту объектов, помогая заблаговременно обнаруживать угрозы и улучшать системы безопасности.
3. Обоснованные решения: решение даёт ценную информацию для принятия решений и оптимизации процессов в розничной торговле, управлении дорожным движением и других сферах.
4. Обработка в реальном времени: архитектура YOLO26 обеспечивает инференс в реальном времени, поэтому модель подходит для видеопотоков и задач с жёсткими ограничениями по времени.

Примеры реализации и практического применения смотри в решении TrackZone, предназначенном для отслеживания объектов в определённых зонах.

Чтобы подсчитывать объекты определённых классов с помощью Ultralytics YOLO26, укажи интересующие классы на этапе отслеживания. Ниже приведён 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 считаются объекты классов 0 и 2 (например, люди и автомобили в наборе данных COCO). Подробнее об индексах классов читай в документации к набору данных COCO.

Ultralytics YOLO26 имеет ряд преимуществ перед другими моделями обнаружения объектов, такими как Faster R-CNN, SSD и предыдущие версии YOLO:

1. Скорость и эффективность: YOLO26 обеспечивает обработку в реальном времени и идеально подходит для приложений, требующих быстрого инференса, например для видеонаблюдения и автономного вождения.
2. Точность: модель обеспечивает передовую точность обнаружения и отслеживания, сокращая число ложных срабатываний и повышая общую надёжность системы.
3. Простота интеграции: YOLO26 легко интегрируется с различными платформами и устройствами, включая мобильные и периферийные устройства, что особенно важно для современных приложений ИИ.
4. Гибкость: поддерживает задачи обнаружения и сегментации, а также режим отслеживания; модели можно настраивать под конкретные требования.

Подробнее о функциях и сравнении производительности читай в документации по Ultralytics YOLO26.

Да, Ultralytics YOLO26 отлично подходит для сложных задач, например анализа скоплений людей и управления дорожным движением, благодаря обнаружению объектов в реальном времени, масштабируемости и гибкости интеграции. Расширенные возможности модели позволяют точно отслеживать, подсчитывать и классифицировать объекты в динамичных условиях. Примеры применения:

• Анализ скоплений людей: наблюдай за массовыми мероприятиями и управляй ими, обеспечивая безопасность и регулируя движение людей с помощью подсчёта по областям.
• Управление дорожным движением: отслеживай и подсчитывай транспортные средства, анализируй транспортные потоки и управляй заторами в реальном времени с помощью функции оценки скорости.
• Аналитика в розничной торговле: анализируй перемещения покупателей и взаимодействие с товарами, чтобы оптимизировать планировку магазина и повысить качество обслуживания.
• Промышленная автоматизация: подсчитывай товары на конвейерных лентах и следи за производственными линиями, чтобы контролировать качество и повышать эффективность.

Для более специализированных задач изучи решения Ultralytics — набор инструментов для решения практических задач компьютерного зрения.