VisionEye View Object Mapping с помощью Ultralytics YOLO11 🚀.

Что такое отображение объектов VisionEye?

Ultralytics YOLO11 VisionEye позволяет компьютерам идентифицировать и точно определять объекты, имитируя точность наблюдения человеческого глаза. Эта функция позволяет компьютерам различать и фокусироваться на определенных объектах, подобно тому, как человеческий глаз наблюдает за деталями с определенной точки зрения.

# 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]"

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("visioneye_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize vision eye object
visioneye = solutions.VisionEye(
    show=True,  # display the output
    model="yolo11n.pt",  # use any model that Ultralytics support, i.e, YOLOv10
    classes=[0, 2],  # generate visioneye view for specific classes
    vision_point=(50, 50),  # the point, where vision will view objects and draw tracks
)

# 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

VisionEye Аргументы

Вот таблица с данными VisionEye аргументы:

Вы также можете использовать различные track аргументы внутри VisionEye решение:

Кроме того, ниже приведены некоторые аргументы в пользу визуализации:

Принцип работы VisionEye

VisionEye работает, устанавливая в кадре фиксированную точку обзора и проводя от нее линии к обнаруженным объектам. Это имитирует то, как человеческое зрение фокусируется на нескольких объектах с одной точки зрения. Решение использует отслеживание объектов для последовательной идентификации объектов в разных кадрах, создавая визуальное представление пространственных отношений между наблюдателем (точкой зрения) и объектами в сцене.

Сайт process Метод в классе VisionEye выполняет несколько ключевых операций:

1. Извлекает дорожки (ограничительные рамки, классы и маски) из входного изображения
2. Создает аннотатор для рисования ограничительных рамок и меток
3. Для каждого обнаруженного объекта рисуется метка в виде квадрата и создается линия видения от точки видения
4. Возвращает аннотированное изображение со статистикой отслеживания

Этот подход особенно полезен для приложений, требующих пространственной осведомленности и визуализации отношений между объектами, таких как системы наблюдения, автономная навигация и интерактивные инсталляции.

Области применения VisionEye

Картирование объектов VisionEye имеет множество практических применений в различных отраслях:

• Безопасность и наблюдение: Наблюдение за несколькими объектами, представляющими интерес, с фиксированной позиции камеры
• Аналитика розничной торговли: Отслеживание моделей движения покупателей относительно витрин магазинов
• Спортивный анализ: Анализируйте расположение и движение игроков с точки зрения тренера
• Автономные транспортные средства: Визуализация того, как транспортное средство "видит" и определяет приоритеты объектов в своем окружении
• Взаимодействие человека и компьютера: Создание более интуитивных интерфейсов, реагирующих на пространственные отношения

Комбинируя VisionEye с другими решениями Ultralytics , такими как расчет расстояния или оценка скорости, вы можете создавать комплексные системы, которые не только отслеживают объекты, но и понимают их пространственные отношения и поведение.

Примечание

Если у вас возникли вопросы, не стесняйтесь публиковать их в разделе "Вопросы" на сайтеUltralytics или в разделе обсуждений, указанном ниже.

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ

Как начать использовать отображение объектов VisionEye с Ultralytics YOLO11 ?

Чтобы начать использовать VisionEye Object Mapping с Ultralytics YOLO11 , сначала вам нужно установить пакет Ultralytics YOLO с помощью pip. Затем вы можете использовать код примера, приведенный в документации, чтобы настроить обнаружение объектов с помощью VisionEye. Вот простой пример для начала работы:

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="yolo11n.pt",  # use any model that Ultralytics support, i.e, 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 стоит использовать Ultralytics YOLO11 для отображения и отслеживания объектов?

Ultralytics YOLO11 славится своей скоростью, точностью и простотой интеграции, что делает его лучшим выбором для картографирования и отслеживания объектов. Ключевые преимущества включают:

1. Современная производительность: Обеспечивает высокую точность обнаружения объектов в режиме реального времени.
2. Гибкость: Поддерживает различные задачи, такие как обнаружение, отслеживание и расчет расстояния.
3. Сообщество и поддержка: Обширная документация и активное сообщество GitHub для поиска и устранения неисправностей и улучшений.
4. Простота использования: интуитивно понятный API упрощает сложные задачи, позволяя быстро развертывать и итерации.

Более подробную информацию о приложениях и льготах можно найти на сайте Ultralytics YOLO11 .

Как интегрировать VisionEye с другими инструментами машинного обучения, например Comet или ClearML?

Ultralytics YOLO11 может легко интегрироваться с различными инструментами машинного обучения, такими как Comet и ClearML, улучшая отслеживание экспериментов, сотрудничество и воспроизводимость. Чтобы начать работу, следуйте подробным руководствам по использованию YOLOv5 с Comet и интеграции YOLO11 с ClearML.

Более подробную информацию и примеры интеграции можно найти в нашем руководстве по интеграцииUltralytics .

📅 Создано 1 год назад ✏️ Обновлено 5 дней назад

Комментарии