Bỏ qua nội dung

Quản lý hàng đợi sử dụng Ultralytics YOLO11 🚀

Quản lý hàng đợi là gì?

Quản lý hàng đợi bằng Ultralytics YOLO11 liên quan đến việc tổ chức và kiểm soát các hàng người hoặc phương tiện để giảm thời gian chờ đợi và nâng cao hiệu quả. Nó liên quan đến việc tối ưu hóa hàng đợi để cải thiện sự hài lòng của khách hàng và hiệu suất hệ thống trong nhiều bối cảnh khác nhau như bán lẻ, ngân hàng, sân bay và cơ sở chăm sóc sức khỏe.



Đồng hồ: Làm thế nào để triển khai quản lý hàng đợi với Ultralytics YOLO11 | Sân bay và Ga tàu điện ngầm

Ưu điểm của Quản lý hàng đợi?

  • Giảm thời gian chờ đợi: Hệ thống quản lý hàng đợi sắp xếp hàng đợi hiệu quả, giảm thiểu thời gian chờ đợi của khách hàng. Điều này dẫn đến mức độ hài lòng được cải thiện vì khách hàng dành ít thời gian chờ đợi hơn và nhiều thời gian hơn để tương tác với sản phẩm hoặc dịch vụ.
  • Tăng hiệu quả: Việc triển khai quản lý hàng đợi cho phép các doanh nghiệp phân bổ nguồn lực hiệu quả hơn. Bằng cách phân tích dữ liệu hàng đợi và tối ưu hóa việc triển khai nhân viên, các doanh nghiệp có thể hợp lý hóa hoạt động, giảm chi phí và cải thiện năng suất chung.

Ứng dụng trong thế giới thực

Hậu cần Bán lẻ
Quản lý hàng đợi tại quầy vé sân bay bằng Ultralytics YOLO11 Giám sát hàng đợi trong đám đông bằng cách sử dụng Ultralytics YOLO11
Quản lý hàng đợi tại quầy vé sân bay Sử dụng Ultralytics YOLO11 Giám sát hàng đợi trong đám đông Ultralytics YOLO11

Quản lý hàng đợi sử dụng YOLO11 Ví dụ

# Run a queue example
yolo solutions queue show=True

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

# Pass queue coordinates
yolo solutions queue region=[(20, 400), (1080, 400), (1080, 360), (20, 360)]
import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("Path/to/video/file.mp4")

assert cap.isOpened(), "Error reading video file"
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
video_writer = cv2.VideoWriter("queue_management.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Define queue region points
queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)]  # Define queue region points
# queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360), (20, 400)]  # Define queue polygon points

# Init Queue Manager
queue = solutions.QueueManager(
    show=True,  # Display the output
    model="yolo11n.pt",  # Path to the YOLO11 model file
    region=queue_region,  # Pass queue region points
    # classes=[0, 2],  # If you want to count specific classes i.e person and car with COCO pretrained model.
    # line_width=2,  # Adjust the line width for bounding boxes and text display
)

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

    if success:
        out = queue.process_queue(im0)
        video_writer.write(im0)
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
        continue

    print("Video frame is empty or video processing has been successfully completed.")
    break

cap.release()
cv2.destroyAllWindows()

Lập luận QueueManager

Tên Kiểu Mặc định Sự miêu tả
model str None Đường dẫn đến Ultralytics YOLO Tệp mẫu
region list [(20, 400), (1260, 400)] Danh sách các điểm xác định vùng hàng đợi.
line_width int 2 Độ dày của đường cho hộp giới hạn.
show bool False Đánh dấu để kiểm soát việc hiển thị luồng video hay không.

Lập luận model.track

Lý lẽ Kiểu Mặc định Sự miêu tả
source str None Chỉ định thư mục nguồn cho hình ảnh hoặc video. Hỗ trợ đường dẫn tệp và URL.
persist bool False Cho phép theo dõi liên tục các đối tượng giữa các khung hình, duy trì ID trên các chuỗi video.
tracker str botsort.yaml Chỉ định thuật toán theo dõi để sử dụng, ví dụ: bytetrack.yaml hoặc botsort.yaml.
conf float 0.3 Đặt ngưỡng tin cậy cho việc phát hiện; giá trị thấp hơn cho phép theo dõi nhiều đối tượng hơn nhưng có thể bao gồm các kết quả dương tính giả.
iou float 0.5 Đặt ngưỡng Giao điểm trên Liên hợp (IoU) để lọc các phát hiện chồng chéo.
classes list None Lọc kết quả theo chỉ số lớp. Ví dụ, classes=[0, 2, 3] chỉ theo dõi các lớp được chỉ định.
verbose bool True Kiểm soát việc hiển thị kết quả theo dõi, cung cấp hình ảnh trực quan về các đối tượng được theo dõi.

CÂU HỎI THƯỜNG GẶP

Tôi có thể sử dụng như thế nào? Ultralytics YOLO11 để quản lý hàng đợi theo thời gian thực?

Để sử dụng Ultralytics YOLO11 để quản lý hàng đợi theo thời gian thực, bạn có thể làm theo các bước sau:

  1. Tải YOLO11 mô hình với YOLO("yolo11n.pt").
  2. Ghi lại nguồn cấp dữ liệu video bằng cách sử dụng cv2.VideoCapture.
  3. Xác định khu vực quan tâm (ROI) để quản lý hàng đợi.
  4. Khung xử lý để phát hiện đối tượng và quản lý hàng đợi.

Sau đây là một ví dụ tối thiểu:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)]

queue = solutions.QueueManager(
    model="yolo11n.pt",
    region=queue_region,
    line_width=3,
)

while cap.isOpened():
    success, im0 = cap.read()
    if success:
        out = queue.process_queue(im0)
        cv2.imshow("Queue Management", im0)
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break

cap.release()
cv2.destroyAllWindows()

Đòn bẩy Ultralytics HUB có thể hợp lý hóa quy trình này bằng cách cung cấp nền tảng thân thiện với người dùng để triển khai và quản lý giải pháp quản lý hàng đợi của bạn.

Những lợi thế chính của việc sử dụng là gì? Ultralytics YOLO11 để quản lý hàng đợi?

Sử dụng Ultralytics YOLO11 để quản lý hàng đợi mang lại một số lợi ích:

  • Giảm thời gian chờ đợi: Tổ chức hàng đợi hiệu quả, giảm thời gian chờ đợi của khách hàng và tăng sự hài lòng.
  • Nâng cao hiệu quả: Phân tích dữ liệu hàng đợi để tối ưu hóa việc triển khai và vận hành nhân viên, do đó giảm chi phí.
  • Cảnh báo theo thời gian thực: Cung cấp thông báo theo thời gian thực cho hàng đợi dài, cho phép can thiệp nhanh chóng.
  • Khả năng mở rộng: Dễ dàng mở rộng trên nhiều môi trường khác nhau như bán lẻ, sân bay và chăm sóc sức khỏe.

Để biết thêm chi tiết, hãy khám phá các giải pháp Quản lý hàng đợi của chúng tôi.

Tại sao tôi nên chọn Ultralytics YOLO11 so với các đối thủ cạnh tranh như TensorFlow hoặc Detectron2 trong quản lý hàng đợi?

Ultralytics YOLO11 có một số lợi thế hơn TensorFlow và Detectron2 để quản lý hàng đợi:

  • Hiệu suất thời gian thực: YOLO11 được biết đến với khả năng phát hiện thời gian thực, cung cấp tốc độ xử lý nhanh hơn.
  • Dễ sử dụng: Ultralytics cung cấp trải nghiệm thân thiện với người dùng, từ đào tạo đến triển khai, thông qua Ultralytics HUB .
  • Mô hình được đào tạo trước: Truy cập vào nhiều mô hình được đào tạo trước, giảm thiểu thời gian cần thiết để thiết lập.
  • Hỗ trợ cộng đồng: Tài liệu đầy đủ và sự hỗ trợ tích cực của cộng đồng giúp giải quyết vấn đề dễ dàng hơn.

Tìm hiểu cách bắt đầu với Ultralytics YOLO .

Có thể Ultralytics YOLO11 xử lý nhiều loại hàng đợi, chẳng hạn như ở sân bay và cửa hàng bán lẻ?

Đúng, Ultralytics YOLO11 có thể quản lý nhiều loại hàng đợi khác nhau, bao gồm cả hàng đợi ở sân bay và môi trường bán lẻ. Bằng cách cấu hình QueueManager với các vùng và cài đặt cụ thể, YOLO11 có thể thích ứng với nhiều kiểu xếp hàng và mật độ khác nhau.

Ví dụ cho sân bay:

queue_region_airport = [(50, 600), (1200, 600), (1200, 550), (50, 550)]
queue_airport = solutions.QueueManager(
    model="yolo11n.pt",
    region=queue_region_airport,
    line_width=3,
)

Để biết thêm thông tin về nhiều ứng dụng khác nhau, hãy xem phần Ứng dụng thực tế của chúng tôi.

Một số ứng dụng thực tế của Ultralytics YOLO11 trong quản lý hàng đợi?

Ultralytics YOLO11 được sử dụng trong nhiều ứng dụng thực tế để quản lý hàng đợi:

  • Bán lẻ: Giám sát các quầy thanh toán để giảm thời gian chờ đợi và cải thiện sự hài lòng của khách hàng.
  • Sân bay: Quản lý hàng đợi tại quầy bán vé và trạm kiểm soát an ninh để mang lại trải nghiệm thuận tiện hơn cho hành khách.
  • Chăm sóc sức khỏe: Tối ưu hóa luồng bệnh nhân tại phòng khám và bệnh viện.
  • Ngân hàng: Nâng cao dịch vụ khách hàng bằng cách quản lý hiệu quả hàng đợi tại ngân hàng.

Hãy xem blog của chúng tôi về quản lý hàng đợi trong thế giới thực để tìm hiểu thêm.

📅 Được tạo cách đây 8 tháng ✏️ Đã cập nhật cách đây 17 ngày

Bình luận