Link to this sectionUltralytics YOLO26 kullanarak Hız Tahmini 🚀#

Link to this sectionHız Tahmini nedir?#

Hız tahmini, genellikle bilgisayarlı görü uygulamalarında kullanılan, belirli bir bağlam içindeki nesnenin hareket hızını hesaplama sürecidir. Ultralytics YOLO26 kullanarak, trafik izleme ve gözetim gibi görevler için hayati önem taşıyan mesafe ve zaman verilerinin yanı sıra nesne takibi ile artık nesnelerin hızını hesaplayabilirsin. Hız tahmininin doğruluğu, çeşitli uygulamaların verimliliğini ve güvenilirliğini doğrudan etkiler; bu da onu akıllı sistemlerin ve gerçek zamanlı karar verme süreçlerinin ilerlemesinde kilit bir bileşen haline getirir.

Link to this sectionHız Tahmininin Avantajları#

• Verimli Trafik Kontrolü: Doğru hız tahmini, trafik akışını yönetmeye, güvenliği artırmaya ve yollardaki sıkışıklığı azaltmaya yardımcı olur.
• Hassas Otonom Navigasyon: Sürücüsüz araçlar gibi otonom sistemlerde, güvenilir hız tahmini güvenli ve hassas araç navigasyonu sağlar.
• Gelişmiş Gözetim Güvenliği: Gözetim analitiğinde hız tahmini, olağandışı davranışları veya potansiyel tehditleri tanımlamaya yardımcı olarak güvenlik önlemlerinin etkinliğini artırır.

Link to this sectionGerçek Dünya Uygulamaları#

Ulaşım	Ulaşım
Ultralytics YOLO26 kullanarak Karayolunda Hız Tahmini	Ultralytics YOLO26 kullanarak Köprüde Hız Tahmini

# 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=0.05

Link to this sectionSpeedEstimator Argümanları#

İşte SpeedEstimator argümanlarını içeren bir tablo:

SpeedEstimator çözümü, track parametrelerinin kullanılmasına izin verir:

Ek olarak, aşağıdaki görselleştirme seçenekleri desteklenmektedir:

Link to this sectionSSS#

Link to this sectionUltralytics YOLO26 kullanarak nesne hızını nasıl tahmin ederim?#

Ultralytics YOLO26 ile nesne hızını tahmin etmek, nesne algılama ve takip tekniklerini birleştirmeyi içerir. Öncelikle, YOLO26 modelini kullanarak her karedeki nesneleri algılaman gerekir. Ardından, bu nesneleri zaman içindeki hareketlerini hesaplamak için kareler boyunca takip et. Son olarak, nesnenin kareler arasındaki katettiği mesafeyi ve kare hızını kullanarak hızını tahmin et.

Örnek:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.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
speedestimator = solutions.SpeedEstimator(
    model="yolo26n.pt",
    show=True,
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    results = speedestimator(im0)
    video_writer.write(results.plot_im)

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

Daha fazla ayrıntı için resmi blog yazımıza başvur.

Link to this sectionTrafik yönetiminde hız tahmini için Ultralytics YOLO26 kullanmanın faydaları nelerdir?#

Hız tahmini için Ultralytics YOLO26 kullanmak, trafik yönetiminde önemli avantajlar sunar:

• Gelişmiş Güvenlik: Aşırı hızı tespit etmek ve yol güvenliğini artırmak için araç hızlarını doğru bir şekilde tahmin et.
• Gerçek Zamanlı İzleme: Trafik akışını ve sıkışıklığı etkili bir şekilde izlemek için YOLO26'nın gerçek zamanlı nesne algılama yeteneğinden yararlan.
• Ölçeklenebilirlik: Modeli uç cihazlardan sunuculara kadar çeşitli donanım kurulumlarında dağıtarak, büyük ölçekli uygulamalar için esnek ve ölçeklenebilir çözümler sağla.

Daha fazla uygulama için hız tahmininin avantajlarına bak.

Link to this sectionYOLO26, TensorFlow veya PyTorch gibi diğer AI çerçeveleriyle entegre edilebilir mi?#

Evet, YOLO26, TensorFlow ve PyTorch gibi diğer AI çerçeveleriyle entegre edilebilir. Ultralytics, YOLO26 modellerini ONNX, TensorRT ve CoreML gibi çeşitli formatlara aktarmak için destek sağlar ve diğer ML çerçeveleriyle sorunsuz birlikte çalışabilirlik sağlar.

Bir YOLO26 modelini ONNX formatına aktarmak için:

yolo export model=yolo26n.pt format=onnx

Modelleri dışa aktarma hakkında daha fazla bilgiyi dışa aktarma kılavuzumuzda bulabilirsin.

Link to this sectionUltralytics YOLO26 kullanarak yapılan hız tahmini ne kadar doğrudur?#

Ultralytics YOLO26 kullanarak yapılan hız tahmininin doğruluğu, nesne takibinin kalitesi, videonun çözünürlüğü ve kare hızı ile çevresel değişkenler dahil olmak üzere çeşitli faktörlere bağlıdır. Hız tahmincisi güvenilir tahminler sağlasa da, kare işleme hızı ve nesne tıkanıklığındaki farklılıklar nedeniyle %100 doğru olmayabilir.

Not: Her zaman hata payını göz önünde bulundur ve mümkün olduğunda tahminleri gerçek veriyle doğrula.

Doğruluğu artırmaya yönelik daha fazla ipucu için SpeedEstimator argümanları bölümüne göz at.