Отображение объектов в режиме VisionEye с использованием Ultralytics YOLO26 🚀

Что такое отображение объектов VisionEye?

Ultralytics YOLO26 VisionEye предоставляет компьютерам возможность идентифицировать и точно определять объекты, имитируя precision человеческого зрения. Эта функциональность позволяет компьютерам различать и фокусироваться на конкретных объектах, подобно тому, как человеческий глаз наблюдает за деталями с определенной точки обзора.

# Monitor objects position with visioneye
yolo solutions visioneye show=True

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

# Monitor the specific classes
yolo solutions visioneye classes="[0, 5]"

Аргументы VisionEye

Ниже представлена таблица с аргументами VisionEye:

Ты также можешь использовать различные аргументы track в решении VisionEye:

Кроме того, поддерживаются некоторые аргументы визуализации, перечисленные ниже:

Как работает VisionEye

VisionEye работает путем установки фиксированной точки обзора в кадре и проведения линий от этой точки к обнаруженным объектам. Это имитирует то, как человеческое зрение фокусируется на нескольких объектах с одной точки. Решение использует object tracking для поддержания последовательной идентификации объектов между кадрами, создавая визуальное представление пространственной связи между наблюдателем (точкой обзора) и объектами на сцене.

Метод process в классе VisionEye выполняет несколько ключевых операций:

1. Извлекает треки (ограничивающие рамки, классы и маски) из входного изображения
2. Создает аннотатор для отрисовки ограничивающих рамок и меток
3. Для каждого обнаруженного объекта отрисовывает метку рамки и создает линию обзора от точки обзора
4. Возвращает аннотированное изображение со статистикой отслеживания

Этот подход особенно полезен для приложений, требующих пространственного осознания и визуализации взаимосвязей объектов, таких как системы наблюдения, автономная навигация и интерактивные инсталляции.

Приложения VisionEye

Отображение объектов VisionEye имеет множество практических применений в различных отраслях:

• Безопасность и видеонаблюдение: Контролируй несколько интересующих объектов с фиксированной позиции камеры
• Розничная аналитика: Отслеживай модели движения покупателей относительно витрин магазина
• Спортивный анализ: Анализируй позиционирование и перемещение игроков с точки зрения тренера
• Автономные транспортные средства: Визуализируй, как транспортное средство «видит» и расставляет приоритеты объектов в своей среде
• Взаимодействие человека и компьютера: Создавай более интуитивно понятные интерфейсы, которые реагируют на пространственные взаимосвязи

Комбинируя VisionEye с другими решениями Ultralytics, такими как distance calculation или speed estimation, ты можешь создавать комплексные системы, которые не только отслеживают объекты, но и понимают их пространственные взаимосвязи и поведение.

Примечание

По любым вопросам не стесняйся обращаться в раздел Issues Ultralytics или в раздел обсуждений, упомянутый ниже.

Часто задаваемые вопросы (FAQ)

С чего начать использование отображения объектов VisionEye с Ultralytics YOLO26?

Чтобы начать использовать отображение объектов VisionEye с Ultralytics YOLO26, сначала установи пакет Ultralytics YOLO через pip. Затем ты можешь использовать пример кода, предоставленный в документации, для настройки object detection с помощью VisionEye. Вот простой пример для начала:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
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("vision-eye-mapping.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init vision eye object
visioneye = solutions.VisionEye(
    show=True,  # display the output
    model="yolo26n.pt",  # use any model that Ultralytics supports, e.g., YOLOv10
    classes=[0, 2],  # generate visioneye view for specific classes
)

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

    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break

    results = visioneye(im0)

    print(results)  # access the output

    video_writer.write(results.plot_im)  # write the video file

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

Почему мне стоит использовать Ultralytics YOLO26 для отображения и отслеживания объектов?

Ultralytics YOLO26 славится своей скоростью, accuracy и легкостью интеграции, что делает его лучшим выбором для отображения и отслеживания объектов. Ключевые преимущества включают:

1. Современная производительность: Обеспечивает высокую точность обнаружения объектов в реальном времени.
2. Гибкость: Поддерживает различные задачи, такие как обнаружение, отслеживание и вычисление расстояния.
3. Сообщество и поддержка: Обширная документация и активное сообщество в GitHub для устранения неполадок и улучшений.
4. Простота использования: Интуитивно понятный API упрощает выполнение сложных задач, позволяя быстро внедрять и итерировать.

Более подробную информацию о применениях и преимуществах можно найти в документации Ultralytics YOLO26.

Как интегрировать VisionEye с другими инструментами machine learning, такими как Comet или ClearML?

Ultralytics YOLO26 может беспрепятственно интегрироваться с различными инструментами машинного обучения, такими как Comet и ClearML, улучшая отслеживание экспериментов, совместную работу и воспроизводимость. Следуй подробным руководствам как использовать YOLOv5 с Comet и интегрировать YOLO26 с ClearML, чтобы начать.

Для дальнейшего изучения и примеров интеграции ознакомься с нашим Руководством по интеграции Ultralytics.