Quản lý hàng đợi bằng Ultralytics YOLO26#
Quản lý hàng đợi là gì?#
Quản lý hàng đợi bằng Ultralytics YOLO26 bao gồm việc tổ chức và điều phối hàng người hoặc phương tiện nhằm giảm thời gian chờ và nâng cao hiệu quả. Mục tiêu là tối ưu hàng đợi để cải thiện mức độ hài lòng của khách hàng và hiệu suất hệ thống trong nhiều môi trường như cửa hàng bán lẻ, ngân hàng, sân bay và cơ sở y tế.
Xem: Cách xây dựng hệ thống quản lý hàng đợi bằng Ultralytics YOLO26 | Phân tích hàng đợi theo thời gian thực 🚀
Ưu điểm của quản lý hàng đợi#
- Giảm thời gian chờ: Hệ thống quản lý hàng đợi tổ chức hàng đợi hiệu quả, giảm thiểu thời gian chờ của khách hàng. Nhờ đó, mức độ hài lòng được cải thiện vì khách hàng dành ít thời gian chờ đợi hơn và có nhiều thời gian tương tác với sản phẩm hoặc dịch vụ hơn.
- Tăng hiệu quả: Việc triển khai quản lý hàng đợi giúp doanh nghiệp phân bổ nguồn lực hiệu quả hơn. Bằng cách phân tích dữ liệu hàng đợi và tối ưu hóa việc bố trí nhân viên, doanh nghiệp có thể hợp lý hóa hoạt động, giảm chi phí và nâng cao năng suất tổng thể.
- Thông tin chuyên sâu theo thời gian thực: Giải pháp quản lý hàng đợi sử dụng YOLO26 cung cấp dữ liệu tức thì về độ dài hàng đợi và thời gian chờ, giúp quản lý nhanh chóng đưa ra quyết định dựa trên thông tin.
- Nâng cao trải nghiệm khách hàng: Bằng cách giảm sự khó chịu do phải chờ lâu, doanh nghiệp có thể cải thiện đáng kể mức độ hài lòng và lòng trung thành của khách hàng.
Ứng dụng thực tế#
| Logistics | Bán lẻ |
|---|---|
![]() | ![]() |
| Quản lý hàng đợi tại quầy bán vé sân bay bằng Ultralytics YOLO26 | Giám sát hàng đợi trong đám đông bằng Ultralytics YOLO26 |
Quản lý hàng đợi bằng YOLO26#
Giải pháp QueueManager đếm các đối tượng còn nằm trong một vùng đã xác định ở mỗi khung hình, cung cấp độ dài hàng đợi trực tiếp để bạn có thể ghi vào video đầu ra. Truyền vào một vùng đa giác bao phủ khu vực chờ, sau đó chạy giải pháp trên nguồn video bằng Python API hoặc CLI.
# Run a queue example
yolo solutions queue show=True
# Pass a source video
yolo solutions queue source="path/to/video.mp4"
# Pass queue coordinates
yolo solutions queue region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"Các đối số của QueueManager#
Dưới đây là bảng các đối số của QueueManager:
| Đối số | Kiểu | Mặc định | Mô tả |
|---|---|---|---|
model | str | None | Đường dẫn đến tệp model Ultralytics YOLO. |
region | list hoặc dict | None | Các điểm xác định vùng quan tâm, dưới dạng danh sách tuple (x, y) hoặc từ điển ánh xạ tên vùng với danh sách điểm cho nhiều vùng (chỉ dùng RegionCounter). Khi là None, các giải pháp cần vùng sẽ dùng vùng mặc định được xác định trước. |
line_width | int | 2 | Độ dày đường viền của box, keypoint và số đếm mà giải pháp vẽ. |
verbose | bool | True | Bật nhật ký theo từng frame của giải pháp, gồm shape đầu vào, số lượng class và tốc độ xử lý. Bản thân lệnh gọi tracking luôn không ghi nhật ký. |
Giải pháp QueueManager cũng hỗ trợ các đối số track:
| Đối số | Kiểu | Mặc định | Mô tả |
|---|---|---|---|
tracker | str | 'tracktrack.yaml' | Chỉ định thuật toán theo dõi cần sử dụng. Các tùy chọn tích hợp sẵn: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Đặt ngưỡng confidence cho các đối tượng được phát hiện; giá trị thấp hơn cho phép theo dõi nhiều đối tượng hơn nhưng có thể bao gồm cả kết quả dương tính giả. |
iou | float | 0.7 | Đặt ngưỡng Intersection over Union (IoU) để lọc các đối tượng phát hiện bị chồng lấn. |
classes | list | None | Lọc kết quả theo chỉ mục class. Ví dụ: classes=[0, 2, 3] chỉ theo dõi các class được chỉ định. |
device | str | None | Chỉ định thiết bị dùng để suy luận (ví dụ: cpu, cuda:0 hoặc 0). Cho phép người dùng chọn CPU, một GPU cụ thể hoặc thiết bị tính toán khác để chạy model. |
imgsz | int or tuple | 640 | Kích thước ảnh suy luận mục tiêu: số nguyên cho ảnh vuông hoặc cặp (height, width). Kích thước sẽ được điều chỉnh theo stride của model. |
max_det | int | 300 | Số lượng đối tượng phát hiện tối đa được giữ lại trong mỗi khung hình trước khi theo dõi, giới hạn số đối tượng mà một giải pháp xử lý trong các cảnh dày đặc. |
quantize | int or str | None | Độ chính xác suy luận: 16 (FP16) hoặc 32/không đặt (FP32) cho model PyTorch và TorchScript; các định dạng khác tính toán ở độ chính xác do artifact và runtime lựa chọn. Thay thế cờ half đã lỗi thời. |
Ngoài ra, bạn có thể sử dụng các tham số trực quan hóa sau:
| Đối số | Kiểu | Mặc định | Mô tả |
|---|---|---|---|
show | bool | False | Nếu True, hiển thị ảnh hoặc video đã được chú thích trong một cửa sổ. Hữu ích để nhận phản hồi trực quan ngay lập tức trong quá trình phát triển hoặc kiểm thử. |
show_conf | bool | True | Hiển thị điểm confidence bên cạnh nhãn của mỗi detection. Cho biết mức độ chắc chắn của model đối với từng detection. |
show_labels | bool | True | Hiển thị nhãn cho mỗi detection trong đầu ra trực quan. Giúp nhận biết ngay các đối tượng được phát hiện. |
Chiến lược triển khai#
Khi triển khai quản lý hàng đợi bằng YOLO26, hãy cân nhắc các phương pháp tốt nhất sau:
- Bố trí camera hợp lý: Đặt camera sao cho ghi hình được toàn bộ khu vực hàng đợi mà không bị vật cản che khuất.
- Xác định vùng hàng đợi phù hợp: Thiết lập ranh giới hàng đợi cẩn thận dựa trên bố cục thực tế của không gian.
- Điều chỉnh độ tin cậy phát hiện: Tinh chỉnh ngưỡng độ tin cậy dựa trên điều kiện ánh sáng và mật độ đám đông.
- Tích hợp với các hệ thống hiện có: Kết nối giải pháp quản lý hàng đợi với hệ thống bảng hiệu kỹ thuật số hoặc thông báo cho nhân viên để tự động phản hồi.
Câu hỏi thường gặp#
Để sử dụng Ultralytics YOLO26 quản lý hàng đợi theo thời gian thực, bạn có thể thực hiện các bước sau:
- Thu nhận luồng video bằng
cv2.VideoCapture. - Xác định vùng quan tâm (ROI) để quản lý hàng đợi.
- Khởi tạo
solutions.QueueManagerbằng model YOLO26, chẳng hạn nhưyolo26n.pt, cùng với vùng đã xác định. - Xử lý các khung hình để phát hiện đối tượng và quản lý hàng đợi.
Dưới đây là ví dụ tối giản:
import cv2 from ultralytics import solutions cap = cv2.VideoCapture("path/to/video.mp4") queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)] queuemanager = solutions.QueueManager( model="yolo26n.pt", region=queue_region, line_width=3, show=True, ) while cap.isOpened(): success, im0 = cap.read() if not success: break results = queuemanager(im0) cap.release() cv2.destroyAllWindows()Tận dụng Ultralytics Platform có thể đơn giản hóa quy trình này bằng cách cung cấp một nền tảng thân thiện với người dùng để huấn luyện và triển khai các model cho giải pháp quản lý hàng đợi của bạn.
- Thu nhận luồng video bằng
Sử dụng Ultralytics YOLO26 để quản lý hàng đợi mang lại một số lợi ích:
- Giảm mạnh thời gian chờ: Tổ chức hàng đợi hiệu quả, giảm thời gian chờ của khách hàng và tăng mức độ hài lòng.
- Nâng cao hiệu quả: Phân tích dữ liệu hàng đợi để tối ưu hóa việc bố trí nhân viên và hoạt động, qua đó giảm chi phí.
- Thông tin chuyên sâu theo thời gian thực: Cung cấp số lượng người trong hàng đợi trực tiếp ở từng khung hình, giúp can thiệp nhanh chóng khi hàng đợi kéo dài.
- Khả năng mở rộng: Dễ dàng mở rộng quy mô để triển khai trong nhiều môi trường như cửa hàng bán lẻ, sân bay và cơ sở y tế.
Để biết thêm chi tiết, hãy khám phá các giải pháp Quản lý hàng đợi của chúng tôi.
Ultralytics YOLO26 có một số ưu điểm so với TensorFlow và Detectron2 trong việc quản lý hàng đợi:
- Hiệu năng thời gian thực: YOLO26 nổi tiếng với khả năng phát hiện theo thời gian thực và tốc độ xử lý nhanh hơn.
- Dễ sử dụng: Ultralytics mang đến trải nghiệm thân thiện với người dùng từ khâu huấn luyện đến triển khai thông qua Ultralytics Platform.
- Model được huấn luyện trước: Truy cập nhiều model đã được huấn luyện trước, giảm thiểu thời gian cần thiết để thiết lập.
- Hỗ trợ cộng đồng: Tài liệu phong phú và cộng đồng hỗ trợ tích cực giúp giải quyết vấn đề dễ dàng hơn.
Tìm hiểu cách bắt đầu với Ultralytics YOLO.
Có, Ultralytics YOLO26 có thể quản lý nhiều loại hàng đợi, bao gồm cả hàng đợi tại sân bay và cửa hàng bán lẻ. Bằng cách cấu hình QueueManager với các vùng và thiết lập cụ thể, YOLO26 có thể thích ứng với bố cục và mật độ hàng đợi khác nhau.
Ví dụ tại sân bay:
queue_region_airport = [(50, 600), (1200, 600), (1200, 550), (50, 550)] queue_airport = solutions.QueueManager( model="yolo26n.pt", region=queue_region_airport, line_width=3, )Để biết thêm thông tin về các ứng dụng đa dạng, hãy xem mục Ứng dụng thực tế của chúng tôi.
Ultralytics YOLO26 được sử dụng trong nhiều ứng dụng thực tế về quản lý hàng đợi:
- Bán lẻ: Giám sát hàng tại quầy thanh toán để giảm thời gian chờ và cải thiện mức độ hài lòng của khách hàng.
- Sân bay: Quản lý hàng đợi tại quầy bán vé và điểm kiểm tra an ninh để hành khách có trải nghiệm thuận tiện hơn.
- Y tế: Tối ưu hóa luồng bệnh nhân tại phòng khám và bệnh viện.
- Ngân hàng: Nâng cao chất lượng dịch vụ khách hàng bằng cách quản lý hàng đợi tại ngân hàng hiệu quả.
Đọc blog về quản lý hàng đợi trong thực tế của chúng tôi để tìm hiểu thêm về cách thị giác máy tính đang chuyển đổi hoạt động giám sát hàng đợi trong nhiều ngành.

