Link to this sectionОценка скорости с помощью Ultralytics YOLO26 🚀#
Link to this sectionЧто такое оценка скорости?#
Оценка скорости — это процесс вычисления скорости движения объекта в заданном контексте, часто используемый в приложениях компьютерного зрения. С помощью Ultralytics YOLO26 теперь ты можешь вычислять скорость объектов, используя отслеживание объектов наряду с данными о расстоянии и времени, что критически важно для таких задач, как мониторинг дорожного движения и наблюдение. Точность оценки скорости напрямую влияет на эффективность и надежность различных приложений, делая её ключевым компонентом развития интеллектуальных систем и процессов принятия решений в реальном времени.
Watch: Speed Estimation using Ultralytics YOLO26
Для более глубокого понимания оценки скорости ознакомься с нашей статьей в блоге: Ultralytics YOLO для оценки скорости в проектах компьютерного зрения
Link to this sectionПреимущества 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 безопасную и точную навигацию транспортного средства.
- Улучшенная безопасность наблюдения: Оценка скорости в аналитике систем видеонаблюдения помогает выявлять необычное поведение или потенциальные угрозы, повышая эффективность мер безопасности.
Link to this sectionРеальные 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.
Link to this sectionОценка скорости с помощью YOLO26#
Решение SpeedEstimator отслеживает каждый объект между кадрами и преобразует его смещение в пикселях в скорость, используя частоту кадров видео (fps) и масштаб реального мира (meter_per_pixel). Настрой meter_per_pixel под свою камеру и используй max_speed для исключения выбросов из 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=0.05Link to this sectionАргументы 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 | 'botsort.yaml' | Указывает алгоритм отслеживания, 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 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 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 | 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 оценить скорость объекта с помощью Ultralytics YOLO26?#
Оценка скорости объектов с помощью Ultralytics YOLO26 сочетает в себе обнаружение объектов и отслеживание. Модель обнаруживает объекты в каждом кадре, отслеживает их между кадрами и преобразует пройденное между кадрами расстояние в скорость, используя частоту кадров и масштаб meter_per_pixel. Пример на Python выше запускает весь этот конвейер — передай свое видео и настрой meter_per_pixel для своей камеры. Дополнительную информацию можно найти в нашем официальном блоге.
Link to this sectionКаковы преимущества использования Ultralytics YOLO26 для оценки скорости в управлении дорожным движением?#
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: разворачивай модель на различных конфигурациях оборудования, от edge devices до серверов, обеспечивая гибкие и масштабируемые решения для крупномасштабных внедрений.
Другие варианты применения смотри в разделе преимущества оценки скорости.
Link to this sectionМожно ли интегрировать YOLO26 с другими фреймворками ИИ, такими как TensorFlow или PyTorch?#
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, обеспечивая плавную 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.
Link to this sectionНасколько точна оценка скорости с помощью Ultralytics YOLO26?#
Точность оценки скорости с помощью Ultralytics YOLO26 зависит от нескольких факторов, включая качество отслеживания объектов, разрешение и частоту кадров видео, а также переменные внешней среды. Хотя оценщик скорости предоставляет надежные результаты, он может не быть точным на 100% из-за различий в скорости обработки кадров и перекрытия объектов.
Примечание: Всегда учитывай погрешность и при возможности проверяй оценки с помощью эталонных данных.
Советы по дальнейшему повышению точности ищи в разделе Аргументы SpeedEstimator.