Сопоставление объектов VisionEye с использованием Ultralytics YOLO11 🚀

Что такое VisionEye Object Mapping?

Ultralytics YOLO11 VisionEye предоставляет компьютерам возможность идентифицировать и точно определять объекты, имитируя наблюдательную точность человеческого глаза. Эта функциональность позволяет компьютерам различать и фокусироваться на конкретных объектах, подобно тому, как человеческий глаз наблюдает детали 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 VisionEye аргументы:

Вы также можете использовать различные track аргументы внутри VisionEye Решение:

Кроме того, поддерживаются некоторые аргументы визуализации, перечисленные ниже:

Как работает VisionEye

VisionEye работает путем установления 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 зрения. Решение использует отслеживание объектов для поддержания последовательной идентификации объектов в разных кадрах, создавая визуальное представление пространственного отношения между наблюдателем (точкой обзора) и объектами в сцене.

Параметр process метод в классе VisionEye выполняет несколько ключевых операций:

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

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

Приложения VisionEye

Сопоставление объектов VisionEye имеет множество практических применений в различных отраслях:

• Безопасность и наблюдение: Мониторинг нескольких объектов интереса с фиксированной позиции камеры
• Аналитика розничной торговли: Отслеживание моделей перемещения клиентов по отношению к выкладке товаров в магазине.
• Анализ спорта: Анализируйте позиционирование и перемещение игроков с точки зрения тренера.
• Автономные транспортные средства: Визуализируйте, как транспортное средство «видит» и определяет приоритеты объектов в окружающей среде.
• Взаимодействие человека с компьютером: Создавайте более интуитивно понятные интерфейсы, которые реагируют на пространственные отношения

Объединив 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 взаимосвязи и поведение.

Примечание

Если у вас есть какие-либо вопросы, не стесняйтесь задавать их в разделе проблем Ultralytics или в разделе обсуждений, упомянутом ниже.

Часто задаваемые вопросы

Как начать использовать VisionEye Object Mapping с Ultralytics YOLO11?

Чтобы начать использовать VisionEye Object Mapping с Ultralytics YOLO11, сначала вам нужно установить пакет Ultralytics YOLO через pip. Затем вы можете использовать пример кода, представленный в документации, чтобы настроить обнаружение объектов с помощью VisionEye. Вот простой пример, чтобы начать:

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 мне следует использовать Ultralytics YOLO11 для картирования и отслеживания объектов?

Ultralytics YOLO11 известен своей скоростью, точностью и простотой интеграции, что делает его лучшим выбором для картирования 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 GitHub для устранения неполадок и улучшений.
4. Простота использования: Интуитивно понятный API упрощает сложные задачи, обеспечивая быстрое развертывание и итерацию.

Для получения дополнительной информации о приложениях и преимуществах ознакомьтесь с документацией Ultralytics YOLO11.

Как я могу интегрировать VisionEye с другими инструментами машинного обучения, такими как Comet или ClearML?

Ultralytics YOLO11 может легко интегрироваться с различными инструментами машинного обучения, такими как Comet и ClearML, улучшая отслеживание экспериментов, совместную работу и воспроизводимость. Следуйте подробным руководствам о том, как использовать YOLOv5 с Comet и интегрировать YOLO11 с ClearML, чтобы начать работу.

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

📅 Создано 1 год назад ✏️ Обновлено 4 месяца назад

Комментарии