Ultralytics YOLO27:
Get Started

Управление очередями с помощью Ultralytics YOLO26#

Что такое управление очередями?#

Open Queue Management In Colab

Управление очередями с помощью Ultralytics YOLO26 подразумевает организацию и контроль потоков людей или транспортных средств, чтобы сократить время ожидания и повысить эффективность. Речь идёт об оптимизации очередей для повышения удовлетворённости клиентов и производительности системы в самых разных местах: магазинах, банках, аэропортах и медицинских учреждениях.



Смотри: Как создать систему управления очередью с Ultralytics YOLO26 | Аналитика очередей в реальном времени 🚀

Преимущества управления очередями#

  • Сокращение времени ожидания: Системы управления очередями эффективно организуют потоки клиентов и уменьшают время ожидания. Это повышает удовлетворённость: клиенты меньше ждут и больше времени уделяют товарам и услугам.
  • Повышение эффективности: Внедрение системы управления очередями позволяет компаниям эффективнее распределять ресурсы. Анализируя данные об очередях и оптимизируя распределение персонала, компании могут упростить рабочие процессы, сократить расходы и повысить общую производительность.
  • Аналитика в реальном времени: Система управления очередями на базе YOLO26 мгновенно предоставляет данные о длине очередей и времени ожидания, помогая руководителям быстро принимать обоснованные решения.
  • Улучшение клиентского опыта: Сокращая раздражение из-за долгого ожидания, компании могут значительно повысить удовлетворённость и лояльность клиентов.

Применение в реальном мире#

ЛогистикаРозничная торговля
Управление очередью у стойки продажи билетов в аэропорту с помощью Ultralytics YOLO26Мониторинг очереди в толпе с помощью Ultralytics YOLO26
Управление очередью у стойки продажи билетов в аэропорту с помощью Ultralytics YOLO26Мониторинг очереди в толпе с помощью Ultralytics YOLO26

Управляй очередями с YOLO26#

Решение QueueManager подсчитывает объекты, которые остаются внутри заданной области в каждом кадре, и позволяет выводить текущую длину очереди в выходное видео. Задай многоугольную область, охватывающую зону ожидания, а затем обработай видеоисточник с помощью Python API или CLI.

Управление очередями с помощью Ultralytics YOLO
# Run a queue example
yolo solutions queue show=True

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

# Pass queue coordinates
yolo solutions queue region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"

Аргументы QueueManager#

Вот таблица с аргументами QueueManager:

АргументТипПо умолчаниюОписание
modelstrNoneПуть к файлу модели Ultralytics YOLO.
regionlist или dictNoneТочки, задающие интересующую область: список кортежей (x, y) или словарь, сопоставляющий названия областей со списками точек для нескольких областей (только RegionCounter). Если None, решения, которым требуется область, используют заданную по умолчанию область.
line_widthint2Толщина линий рамок, ключевых точек и счётчиков, которые рисует решение.
verboseboolTrueВключает журнал решения для каждого кадра с указанием формы входных данных, количества объектов по классам и скорости обработки. Сам вызов отслеживания всегда выполняется без вывода сообщений.

Решение QueueManager также поддерживает аргументы track:

АргументТипПо умолчаниюОписание
trackerstr'tracktrack.yaml'Задаёт алгоритм отслеживания. Встроенные варианты: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml.
conffloat0.25Задаёт порог уверенности для обнаружений: при более низких значениях можно отслеживать больше объектов, но возрастает вероятность ложноположительных срабатываний.
ioufloat0.7Задаёт порог пересечения над объединением (IoU) для фильтрации перекрывающихся обнаружений.
classeslistNoneФильтрует результаты по индексу класса. Например, classes=[0, 2, 3] отслеживает только указанные классы.
devicestrNoneЗадаёт устройство для инференса (например, cpu, cuda:0 или 0). Позволяет выбрать CPU, определённый GPU или другое вычислительное устройство для выполнения модели.
imgszint or tuple640Целевой размер изображения для инференса: целое число для квадратного изображения или пара (height, width). Размеры корректируются с учётом шага модели.
max_detint300Максимальное количество обнаружений, сохраняемых в каждом кадре перед отслеживанием; ограничивает число объектов, обрабатываемых решением в насыщенных сценах.
quantizeint or strNoneТочность инференса: 16 (FP16) или 32/unset (FP32) для моделей PyTorch и TorchScript не на CPU; для других форматов точность определяется артефактом модели и средой выполнения. Заменяет устаревший аргумент half.

Кроме того, доступны следующие параметры визуализации:

АргументТипПо умолчаниюОписание
showboolFalseЕсли True, показывает аннотированные изображения или видео в окне. Полезно для мгновенной визуальной проверки во время разработки или тестирования.
show_confboolTrueПоказывает оценку уверенности каждой детекции рядом с меткой. Позволяет оценить уверенность модели в каждой детекции.
show_labelsboolTrueПоказывает метки каждой детекции на визуализации. Помогает сразу понять, какие объекты обнаружены.

Стратегии реализации#

При реализации управления очередями с помощью YOLO26 учитывай следующие рекомендации:

  1. Стратегическое размещение камер: Расположи камеры так, чтобы они захватывали всю зону очереди без препятствий.
  2. Задай подходящие области очередей: Тщательно определи границы очередей с учётом планировки помещения.
  3. Настрой порог уверенности обнаружения: Подбери порог уверенности с учётом освещения и плотности толпы.
  4. Интеграция с существующими системами: Подключи решение для управления очередями к цифровым табло или системам оповещения персонала, чтобы автоматизировать реагирование.

Часто задаваемые вопросы#

  • Чтобы использовать Ultralytics YOLO26 для управления очередями в реальном времени, выполни следующие шаги:

    1. Получи видеопоток с помощью cv2.VideoCapture.
    2. Задай область интереса (ROI) для управления очередями.
    3. Инициализируй solutions.QueueManager с моделью YOLO26, например yolo26n.pt, и заданной областью.
    4. Обрабатывай кадры, чтобы обнаруживать объекты и управлять очередями.

    Вот минимальный пример:

    import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)]

queuemanager = solutions.QueueManager(
    model="yolo26n.pt",
    region=queue_region,
    line_width=3,
    show=True,
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    results = queuemanager(im0)

cap.release()
cv2.destroyAllWindows()

    Использование Ultralytics Platform упростит этот процесс: платформа предоставляет удобный интерфейс для обучения и развёртывания моделей, лежащих в основе решения для управления очередями.

  • Использование Ultralytics YOLO26 для управления очередями даёт несколько преимуществ:

    • Резкое сокращение времени ожидания: Эффективно организует очереди, сокращая время ожидания клиентов и повышая их удовлетворённость.
    • Повышение эффективности: Анализирует данные об очередях, чтобы оптимизировать распределение персонала и рабочие процессы, сокращая расходы.
    • Аналитика в реальном времени: Предоставляет данные о количестве людей в очереди для каждого кадра, помогая быстро реагировать на рост очередей.
    • Масштабируемость: Решение легко масштабировать для разных условий, например в магазинах, аэропортах и медицинских учреждениях.

    Подробнее о наших решениях можно узнать на странице управления очередями.

  • Ultralytics YOLO26 имеет ряд преимуществ перед TensorFlow и Detectron2 для управления очередями:

    • Производительность в реальном времени: YOLO26 известна возможностью обнаружения объектов в реальном времени и обеспечивает более высокую скорость обработки.
    • Простота использования: Ultralytics предлагает удобный интерфейс на всех этапах — от обучения до развёртывания — через Ultralytics Platform.
    • Предварительно обученные модели: Доступ к широкому выбору предварительно обученных моделей сокращает время на настройку.
    • Поддержка сообщества: Подробная документация и активная поддержка сообщества упрощают решение проблем.

    Узнай, как начать работу с Ultralytics YOLO.

  • Да, Ultralytics YOLO26 подходит для управления разными типами очередей, в том числе в аэропортах и магазинах. Настроив QueueManager для конкретных областей и условий, можно адаптировать YOLO26 к разной конфигурации и плотности очередей.

    Пример для аэропортов:

    queue_region_airport = [(50, 600), (1200, 600), (1200, 550), (50, 550)]
queue_airport = solutions.QueueManager(
    model="yolo26n.pt",
    region=queue_region_airport,
    line_width=3,
)

    Подробнее о различных сценариях использования читай в разделе Применение в реальных условиях.

  • Ultralytics YOLO26 используется в различных реальных сценариях управления очередями:

    • Магазины: Мониторинг очередей на кассах помогает сократить время ожидания и повысить удовлетворённость клиентов.
    • Аэропорты: Управление очередями у стоек продажи билетов и пунктов досмотра помогает сделать поездки пассажиров комфортнее.
    • Медицина: Оптимизация потока пациентов в клиниках и больницах.
    • Банки: Повышение качества обслуживания клиентов за счёт эффективного управления очередями.

    Читай нашу статью о практическом применении управления очередями, чтобы узнать, как компьютерное зрение меняет мониторинг очередей в разных отраслях.

Участники
RIRizwanMunawar15GLglenn-jocher13RAraimbekovm5MAMatthewNoyce2IVIvorZhu3311BUBurhan-Q1

Комментарии