Подсчет объектов с помощью Ultralytics YOLOv8 🚀.
Что такое подсчет объектов?
Подсчет объектов с помощью Ultralytics YOLOv8 включает в себя точную идентификацию и подсчет конкретных объектов в видео и потоках с камер. YOLOv8 отлично подходит для приложений реального времени, обеспечивая эффективный и точный подсчет объектов для различных сценариев, таких как анализ толпы и наблюдение, благодаря своим современным алгоритмам и возможностям глубокого обучения.
Смотри: Подсчет объектов с помощью Ultralytics YOLOv8
Преимущества подсчета объектов?
- Оптимизация ресурсов: Подсчет объектов способствует эффективному управлению ресурсами, обеспечивая точный подсчет и оптимизируя распределение ресурсов в таких приложениях, как управление запасами.
- Повышенная безопасность: Подсчет объектов повышает уровень безопасности и наблюдения, поскольку позволяет точно отслеживать и подсчитывать объекты, что способствует проактивному обнаружению угроз.
- Принятие обоснованных решений: Подсчет объектов дает ценные знания для принятия решений, оптимизации процессов в розничной торговле, управлении трафиком и различных других сферах.
Применение в реальном мире
Логистика | Аквакультура |
---|---|
Подсчет пакетов на конвейерной ленте с помощью Ultralytics YOLOv8 | Подсчет рыбы в море с помощью Ultralytics YOLOv8 |
Подсчет объектов с помощью примера YOLOv8
from ultralytics import YOLO
from ultralytics.solutions import object_counter
import cv2
model = YOLO("yolov8n.pt")
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))
# Define region points
region_points = [(20, 400), (1080, 404), (1080, 360), (20, 360)]
# Video writer
video_writer = cv2.VideoWriter("object_counting_output.avi",
cv2.VideoWriter_fourcc(*'mp4v'),
fps,
(w, h))
# Init Object Counter
counter = object_counter.ObjectCounter()
counter.set_args(view_img=True,
reg_pts=region_points,
classes_names=model.names,
draw_tracks=True,
line_thickness=2)
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 = counter.start_counting(im0, tracks)
video_writer.write(im0)
cap.release()
video_writer.release()
cv2.destroyAllWindows()
from ultralytics import YOLO
from ultralytics.solutions import object_counter
import cv2
model = YOLO("yolov8n.pt")
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))
# Define region points as a polygon with 5 points
region_points = [(20, 400), (1080, 404), (1080, 360), (20, 360), (20, 400)]
# Video writer
video_writer = cv2.VideoWriter("object_counting_output.avi",
cv2.VideoWriter_fourcc(*'mp4v'),
fps,
(w, h))
# Init Object Counter
counter = object_counter.ObjectCounter()
counter.set_args(view_img=True,
reg_pts=region_points,
classes_names=model.names,
draw_tracks=True,
line_thickness=2)
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 = counter.start_counting(im0, tracks)
video_writer.write(im0)
cap.release()
video_writer.release()
cv2.destroyAllWindows()
from ultralytics import YOLO
from ultralytics.solutions import object_counter
import cv2
model = YOLO("yolov8n.pt")
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))
# Define line points
line_points = [(20, 400), (1080, 400)]
# Video writer
video_writer = cv2.VideoWriter("object_counting_output.avi",
cv2.VideoWriter_fourcc(*'mp4v'),
fps,
(w, h))
# Init Object Counter
counter = object_counter.ObjectCounter()
counter.set_args(view_img=True,
reg_pts=line_points,
classes_names=model.names,
draw_tracks=True,
line_thickness=2)
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 = counter.start_counting(im0, tracks)
video_writer.write(im0)
cap.release()
video_writer.release()
cv2.destroyAllWindows()
from ultralytics import YOLO
from ultralytics.solutions import object_counter
import cv2
model = YOLO("yolov8n.pt")
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))
line_points = [(20, 400), (1080, 400)] # line or region points
classes_to_count = [0, 2] # person and car classes for count
# Video writer
video_writer = cv2.VideoWriter("object_counting_output.avi",
cv2.VideoWriter_fourcc(*'mp4v'),
fps,
(w, h))
# Init Object Counter
counter = object_counter.ObjectCounter()
counter.set_args(view_img=True,
reg_pts=line_points,
classes_names=model.names,
draw_tracks=True,
line_thickness=2)
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,
classes=classes_to_count)
im0 = counter.start_counting(im0, tracks)
video_writer.write(im0)
cap.release()
video_writer.release()
cv2.destroyAllWindows()
Регион подвижен
Ты можешь переместить регион в любую точку кадра, щелкнув по его краям
Необязательные аргументы set_args
Имя | Тип | По умолчанию | Описание |
---|---|---|---|
view_img |
bool |
False |
Отображение кадров с подсчетами |
view_in_counts |
bool |
True |
Отображайте счетчики только на видеокадре |
view_out_counts |
bool |
True |
Отображайте выходы только на видеокадре |
line_thickness |
int |
2 |
Увеличьте ограничительные рамки и подсчитайте толщину текста |
reg_pts |
list |
[(20, 400), (1260, 400)] |
Точки, определяющие область региона |
classes_names |
dict |
model.model.names |
Словарь названий классов |
count_reg_color |
RGB Color |
(255, 0, 255) |
Цвет области подсчета объектов или линии |
track_thickness |
int |
2 |
Толщина линий трекинга |
draw_tracks |
bool |
False |
Включить рисование линий трека |
track_color |
RGB Color |
(0, 255, 0) |
Цвет для каждой линии трека |
line_dist_thresh |
int |
15 |
Порог евклидова расстояния для счетчика линий |
count_txt_color |
RGB Color |
(255, 255, 255) |
Цвет переднего плана для текста подсчета объектов |
region_thickness |
int |
5 |
Толщина для области счетчика объектов или линии |
count_bg_color |
RGB Color |
(255, 255, 255) |
Подсчитай цвет хайлайтера |
Аргументы model.track
Имя | Тип | По умолчанию | Описание |
---|---|---|---|
source |
im0 |
None |
исходный каталог для изображений или видео |
persist |
bool |
False |
Сохранение треков между кадрами |
tracker |
str |
botsort.yaml |
Метод отслеживания 'bytetrack' или 'botsort' |
conf |
float |
0.3 |
Порог доверия |
iou |
float |
0.5 |
Порог IOU |
classes |
list |
None |
Фильтруй результаты по классам, то есть classes=0, или classes=[0,2,3] |
verbose |
bool |
True |
Отображение результатов отслеживания объектов |