Оценка скорости с помощью Ultralytics YOLO11 🚀

Что такое оценка скорости?

Оценка скорости - это процесс вычисления скорости движения объекта в заданном контексте, часто используемый в приложениях компьютерного зрения. Используя Ultralytics YOLO11 вы можете рассчитать скорость объекта, используя отслеживание объекта наряду с данными о расстоянии и времени, что очень важно для таких задач, как движение и наблюдение. Точность оценки скорости напрямую влияет на эффективность и надежность различных приложений, что делает ее ключевым компонентом в развитии интеллектуальных систем и процессов принятия решений в реальном времени.

Смотреть: Оценка скорости с помощью Ultralytics YOLO11

Преимущества оценки скорости?

• Эффективное управление дорожным движением: Точная оценка скорости помогает управлять транспортным потоком, повышает безопасность и уменьшает заторы на дорогах.
• Точная автономная навигация: В автономных системах, таких как самоуправляемые автомобили, надежная оценка скорости обеспечивает безопасную и точную навигацию транспортного средства.
• Повышенная безопасность наблюдения: Оценка скорости в аналитике наблюдения помогает выявить необычное поведение или потенциальные угрозы, повышая эффективность мер безопасности.

Применение в реальном мире

Транспорт	Транспорт
Оценка скорости на дороге с помощью Ultralytics YOLO11	Оценка скорости на мосту с помощью Ultralytics YOLO11

# Run a speed example
yolo solutions speed show=True

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

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

import cv2

from ultralytics import solutions

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))

# Video writer
video_writer = cv2.VideoWriter("speed_management.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Define speed region points
speed_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)]

speed = solutions.SpeedEstimator(
    show=True,  # Display the output
    model="yolo11n-pose.pt",  # Path to the YOLO11 model file.
    region=speed_region,  # Pass region points
    # classes=[0, 2],  # If you want to estimate speed of specific classes.
    # line_width=2,  # Adjust the line width for bounding boxes and text display
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if success:
        out = speed.estimate_speed(im0)
        video_writer.write(im0)
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
        continue

    print("Video frame is empty or video processing has been successfully completed.")
    break

cap.release()
cv2.destroyAllWindows()

Аргументы SpeedEstimator

Аргументы model.track

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ

Как оценить скорость объекта с помощью Ultralytics YOLO11 ?

Оценка скорости объекта с помощью Ultralytics YOLO11 предполагает сочетание методов обнаружения и отслеживания объектов. Сначала необходимо обнаружить объекты в каждом кадре с помощью модели YOLO11 . Затем отследить эти объекты по кадрам, чтобы рассчитать их перемещение во времени. Наконец, используйте расстояние, пройденное объектом между кадрами, и частоту кадров, чтобы оценить его скорость.

Пример:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video/file.mp4")
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("speed_estimation.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize SpeedEstimator
speed_obj = solutions.SpeedEstimator(
    region=[(0, 360), (1280, 360)],
    model="yolo11n.pt",
    show=True,
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    im0 = speed_obj.estimate_speed(im0)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

Более подробную информацию можно найти в нашем официальном блоге.

Каковы преимущества использования Ultralytics YOLO11 для оценки скорости при управлении дорожным движением?

Использование Ultralytics YOLO11 для оценки скорости дает значительные преимущества в управлении дорожным движением:

• Повышенная безопасность: Точная оценка скорости автомобиля для выявления превышения скорости и повышения безопасности дорожного движения.
• Мониторинг в реальном времени: Воспользуйтесь функцией обнаружения объектов в режиме реального времени на сайте YOLO11 для эффективного мониторинга транспортных потоков и заторов.
• Масштабируемость: Развертывание модели на различных аппаратных установках, от пограничных устройств до серверов, обеспечивает гибкие и масштабируемые решения для крупномасштабных внедрений.

Другие варианты применения см. в разделе "Преимущества оценки скорости".

Можно ли интегрировать YOLO11 с другими ИИ-фреймворками, такими как TensorFlow или PyTorch?

Да, YOLO11 может быть интегрирован с другими AI-фреймворками, такими как TensorFlow и PyTorch. Ultralytics обеспечивает поддержку экспорта моделей YOLO11 в различные форматы, такие как ONNX, TensorRT и CoreML, обеспечивая беспрепятственное взаимодействие с другими ML-фреймворками.

Чтобы экспортировать модель YOLO11 в формат ONNX , выполните следующие действия:

yolo export --weights yolo11n.pt --include onnx

Узнайте больше об экспорте моделей в нашем руководстве по экспорту.

Насколько точна оценка скорости с помощью Ultralytics YOLO11 ?

Точность оценки скорости с помощью Ultralytics YOLO11 зависит от нескольких факторов, включая качество отслеживания объектов, разрешение и частоту кадров видео, а также переменные окружающей среды. Несмотря на то, что программа оценки скорости дает надежные оценки, она может быть не на 100% точной из-за различий в скорости обработки кадров и окклюзии объектов.

Примечание: Всегда учитывайте погрешность и, по возможности, проверяйте оценки с помощью наземных данных.

Дополнительные советы по улучшению точности можно найти в разделе Аргументы SpeedEstimator раздел.

Почему стоит выбрать Ultralytics YOLO11 , а не другие модели обнаружения объектов, например TensorFlow Object Detection API?

Ultralytics YOLO11 обладает рядом преимуществ по сравнению с другими моделями обнаружения объектов, такими как TensorFlow Object Detection API:

• Работа в режиме реального времени: YOLO11 оптимизирован для обнаружения в режиме реального времени, обеспечивая высокую скорость и точность.
• Простота использования: Удобный интерфейс YOLO11 упрощает обучение и развертывание модели.
• Универсальность: Поддерживает множество задач, включая обнаружение объектов, сегментацию и оценку положения.
• Сообщество и поддержка: YOLO11 опирается на активное сообщество и обширную документацию, обеспечивая разработчиков необходимыми ресурсами.

Более подробную информацию о преимуществах YOLO11 можно найти на нашей странице с подробным описанием модели.

📅 Создано 11 месяцев назад ✏️ Обновлено 20 дней назад

Комментарии