Оценка скорости с помощью Ultralytics YOLO26 🚀#
Что такое оценка скорости?#
Оценка скорости — это процесс вычисления скорости движения объекта в заданном контексте, который часто используется в приложениях компьютерного зрения. С помощью Ultralytics YOLO26 теперь ты можешь рассчитывать скорость объектов, используя трекинг объектов вместе с данными о расстоянии и времени, что крайне важно для таких задач, как мониторинг дорожного движения и видеонаблюдение. Точность оценки скорости напрямую влияет на эффективность и надежность различных приложений, делая её ключевым компонентом в развитии интеллектуальных систем и процессов принятия решений в реальном времени.
Watch: Speed Estimation using Ultralytics YOLO26
Для получения более глубокого понимания оценки скорости ознакомься с нашей статьей в блоге: Ultralytics YOLO for Speed Estimation in Computer Vision Projects
Преимущества оценки скорости#
- Эффективное управление дорожным движением: Точная оценка скорости помогает управлять транспортными потоками, повышая безопасность и уменьшая пробки на дорогах.
- Точная автономная навигация: В автономных системах, таких как беспилотные автомобили, надежная оценка скорости обеспечивает безопасное и точное перемещение транспортного средства.
- Улучшенная безопасность наблюдения: Оценка скорости в аналитике систем видеонаблюдения помогает выявлять необычное поведение или потенциальные угрозы, повышая эффективность мер безопасности.
Реальные сценарии применения#
| Транспорт | Транспорт |
|---|---|
 |  |
| Оценка скорости на дороге с помощью Ultralytics YOLO26 | Оценка скорости на мосту с помощью Ultralytics YOLO26 |
Скорость — это оценка
Скорость является оценочным значением и может быть не совсем точной. Кроме того, точность оценки может варьироваться в зависимости от характеристик камеры и сопутствующих факторов.
Оценка скорости с помощью YOLO26#
Решение SpeedEstimator отслеживает каждый объект по кадрам и преобразует его пиксельное смещение в скорость с помощью частоты кадров видео (fps) и масштаба реального мира (meter_per_pixel). Настрой meter_per_pixel под свою камеру и используй max_speed, чтобы отсечь выбросы от зашумленных траекторий.
# Run a speed example
yolo solutions speed show=True
# Pass a source video
yolo solutions speed source="path/to/video.mp4"
# Adjust meter per pixel value based on camera configuration
yolo solutions speed meter_per_pixel=0.05Аргументы SpeedEstimator#
Вот таблица с аргументами SpeedEstimator:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
model | str | None | Путь к файлу модели Ultralytics YOLO. |
fps | float | 30.0 | Количество кадров в секунду, используемое для расчетов скорости. |
max_hist | int | 5 | Максимальное количество исторических точек для отслеживания объекта при расчетах скорости/направления. |
meter_per_pixel | float | 0.05 | Масштабирующий коэффициент, используемый для преобразования расстояния в пикселях в реальные единицы измерения. |
max_speed | int | 120 | Максимальное ограничение скорости в визуальных оверлеях (используется в оповещениях). |
Решение SpeedEstimator позволяет использовать параметры track:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
tracker | str | 'tracktrack.yaml' | Задает алгоритм трекинга, который нужно использовать. Встроенные опции: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.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 пересекающихся детекций. |
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 | Задает устройство для инференса (например, cpu, cuda:0 или 0). Позволяет пользователям выбирать между CPU, конкретным GPU или другими вычислительными устройствами для выполнения модели. |
Кроме того, поддерживаются следующие параметры 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 | Задает толщину линий ограничивающих рамок. Если None, толщина линий автоматически регулируется в зависимости от размера 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. |
FAQ#
Оценка скорости объектов с помощью Ultralytics YOLO26 объединяет обнаружение объектов и трекинг. Модель обнаруживает объекты в каждом кадре, отслеживает их между кадрами и преобразует расстояние, пройденное между кадрами, в скорость, используя частоту кадров и масштаб
meter_per_pixel. Пример на Python выше запускает этот полный пайплайн — передай свое видео и настройmeter_per_pixelпод свою камеру. Дополнительную информацию можно найти в нашем официальном блоге.Использование Ultralytics YOLO26 для оценки скорости дает значительные преимущества в управлении дорожным движением:
- Повышенная безопасность: Точно оценивай скорость транспортных средств для выявления превышения скорости и улучшения безопасности на дорогах.
- Мониторинг в реальном времени: Используй возможности обнаружения объектов в реальном времени в YOLO26 для эффективного контроля транспортных потоков и заторов.
- Масштабируемость: развертывай модель на различных аппаратных конфигурациях, от периферийных устройств до серверов, обеспечивая гибкие и масштабируемые решения для крупномасштабных внедрений.
О других вариантах применения читай в разделе преимущества оценки скорости.
Да, YOLO26 можно интегрировать с другими фреймворками ИИ, такими как TensorFlow и PyTorch. Ultralytics обеспечивает поддержку экспорта моделей YOLO26 в различные форматы, такие как ONNX, TensorRT и CoreML, гарантируя бесшовную совместимость с другими ML-фреймворками.
Чтобы экспортировать модель YOLO26 в формат ONNX:
yolo export model=yolo26n.pt format=onnxУзнай больше об экспорте моделей в нашем руководстве по экспорту.
Точность оценки скорости с использованием Ultralytics YOLO26 зависит от нескольких факторов, включая качество трекинга объектов, разрешение и частоту кадров видео, а также условия окружающей среды. Хотя оценщик скорости выдает надежные результаты, он может быть не на 100% точным из-за различий в скорости обработки кадров и перекрытия объектов (окклюзии).
Примечание: Всегда учитывай погрешность и при возможности проверяй оценки с помощью эталонных данных.
Дополнительные советы по повышению точности ищи в разделе Аргументы
SpeedEstimator.