Đếm đối tượng ở các vùng khác nhau bằng cách sử dụng Ultralytics YOLOv8 🚀
Đếm đối tượng trong khu vực là gì?
Đếm đối tượng trong các khu vực có Ultralytics YOLOv8 liên quan đến việc xác định chính xác số lượng đối tượng trong các khu vực được chỉ định bằng cách sử dụng thị giác máy tính tiên tiến. Cách tiếp cận này có giá trị để tối ưu hóa các quy trình, tăng cường bảo mật và nâng cao hiệu quả trong các ứng dụng khác nhau.
Xem: Ultralytics YOLOv8 Đếm đối tượng ở nhiều vùng & di chuyển
Ưu điểm của việc đếm đối tượng trong các khu vực?
- Độ chính xác và chính xác: Đếm đối tượng ở các khu vực có thị giác máy tính tiên tiến đảm bảo đếm chính xác và chính xác, giảm thiểu các lỗi thường liên quan đến đếm thủ công.
- Cải thiện hiệu quả: Tính năng đếm đối tượng tự động giúp nâng cao hiệu quả hoạt động, cung cấp kết quả theo thời gian thực và hợp lý hóa các quy trình trên các ứng dụng khác nhau.
- Tính linh hoạt và ứng dụng: Tính linh hoạt của việc đếm đối tượng trong các khu vực làm cho nó có thể áp dụng trên nhiều lĩnh vực khác nhau, từ sản xuất và giám sát đến giám sát giao thông, góp phần vào tiện ích và hiệu quả rộng rãi của nó.
Ứng dụng trong thế giới thực
Bán lẻ | Phố chợ |
---|---|
Số người đếm ở các khu vực khác nhau bằng cách sử dụng Ultralytics YOLOv8 | Đếm đám đông ở các khu vực khác nhau bằng cách sử dụng Ultralytics YOLOv8 |
Các bước để chạy
Bước 1: Cài đặt các thư viện cần thiết
Bắt đầu bằng cách nhân bản Ultralytics kho lưu trữ, cài đặt các phụ thuộc và điều hướng đến thư mục cục bộ bằng các lệnh được cung cấp trong Bước 2.
# Clone Ultralytics repo
git clone https://github.com/ultralytics/ultralytics
# Navigate to the local directory
cd ultralytics/examples/YOLOv8-Region-Counter
Bước 2: Chạy đếm vùng bằng cách sử dụng Ultralytics YOLOv8
Thực hiện các lệnh cơ bản sau đây để suy luận.
Khu vực có thể di chuyển
Trong khi phát lại video, bạn có thể tương tác di chuyển khu vực trong video bằng cách nhấp và kéo bằng nút chuột trái.
# Save results
python yolov8_region_counter.py --source "path/to/video.mp4" --save-img
# Run model on CPU
python yolov8_region_counter.py --source "path/to/video.mp4" --device cpu
# Change model file
python yolov8_region_counter.py --source "path/to/video.mp4" --weights "path/to/model.pt"
# Detect specific classes (e.g., first and third classes)
python yolov8_region_counter.py --source "path/to/video.mp4" --classes 0 2
# View results without saving
python yolov8_region_counter.py --source "path/to/video.mp4" --view-img
Đối số tùy chọn
Tên | Kiểu | Mặc định | Sự miêu tả |
---|---|---|---|
--source |
str |
None |
Đường dẫn đến tệp video, cho webcam 0 |
--line_thickness |
int |
2 |
Giới hạn độ dày hộp |
--save-img |
bool |
False |
Lưu video/hình ảnh dự đoán |
--weights |
str |
yolov8n.pt |
Đường dẫn tệp trọng số |
--classes |
list |
None |
Phát hiện các lớp cụ thể, tức là --lớp 0, 2 |
--region-thickness |
int |
2 |
Khu vực Độ dày hộp |
--track-thickness |
int |
2 |
Độ dày dòng theo dõi |