Ước tính tốc độ bằng Ultralytics YOLO26 🚀#
Ước tính tốc độ là gì?#
Speed estimation là quá trình tính toán tốc độ di chuyển của một đối tượng trong một ngữ cảnh nhất định, thường được ứng dụng trong các ứng dụng computer vision. Sử dụng Ultralytics YOLO26, giờ đây bạn có thể tính toán tốc độ của đối tượng bằng cách kết hợp object tracking với dữ liệu khoảng cách và thời gian, điều này rất quan trọng cho các tác vụ như giám sát giao thông và an ninh. Độ chính xác của việc ước tính tốc độ ảnh hưởng trực tiếp đến hiệu quả và độ tin cậy của các ứng dụng khác nhau, biến nó thành một thành phần cốt lõi trong việc nâng cao các hệ thống thông minh và quá trình ra quyết định thời gian thực.
Watch: Speed Estimation using Ultralytics YOLO26
Để có cái nhìn sâu sắc hơn về việc ước tính tốc độ, hãy xem bài viết trên blog của chúng tôi: Ultralytics YOLO for Speed Estimation in Computer Vision Projects
Ưu điểm của ước tính tốc độ#
- Kiểm soát giao thông hiệu quả: Ước tính tốc độ chính xác hỗ trợ việc quản lý lưu lượng giao thông, nâng cao an toàn và giảm ùn tắc trên đường bộ.
- Điều hướng tự động chính xác: Trong các hệ thống tự động như self-driving cars, việc ước tính tốc độ đáng tin cậy đảm bảo điều hướng xe an toàn và chính xác.
- Tăng cường an ninh giám sát: Ước tính tốc độ trong phân tích giám sát giúp xác định các hành vi bất thường hoặc các mối đe dọa tiềm ẩn, cải thiện hiệu quả của các biện pháp an ninh.
Các ứng dụng thực tế#
| Giao thông | Giao thông |
|---|---|
 |  |
| Ước tính tốc độ trên đường sử dụng Ultralytics YOLO26 | Ước tính tốc độ trên cầu sử dụng Ultralytics YOLO26 |
Tốc độ chỉ là một ước tính
Tốc độ sẽ là một ước tính và có thể không chính xác hoàn toàn. Ngoài ra, ước tính có thể thay đổi tùy theo thông số kỹ thuật của camera và các yếu tố liên quan.
Ước tính tốc độ với YOLO26#
Giải pháp SpeedEstimator thực hiện theo dõi từng đối tượng qua các khung hình và chuyển đổi độ dịch chuyển pixel của đối tượng thành tốc độ bằng cách sử dụng tốc độ khung hình video (fps) và tỷ lệ thực tế (meter_per_pixel). Tinh chỉnh meter_per_pixel cho thiết lập camera của bạn và sử dụng max_speed để loại bỏ các giá trị ngoại lai từ các quỹ đạo bị nhiễu.
# 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=0.05Đối số SpeedEstimator#
Dưới đây là bảng chứa các đối số của SpeedEstimator:
| Đối số | Loại | Mặc định | Mô tả |
|---|---|---|---|
model | str | None | Đường dẫn đến tệp model Ultralytics YOLO. |
fps | float | 30.0 | Số khung hình trên giây được sử dụng cho các tính toán tốc độ. |
max_hist | int | 5 | Số điểm lịch sử tối đa để theo dõi cho mỗi đối tượng cho các tính toán tốc độ/hướng. |
meter_per_pixel | float | 0.05 | Hệ số tỷ lệ được sử dụng để chuyển đổi khoảng cách pixel sang đơn vị thực tế. |
max_speed | int | 120 | Giới hạn tốc độ tối đa trong các lớp phủ trực quan (được sử dụng trong các cảnh báo). |
line_width | int | 2 | Độ dày đường viền cho các khung, keypoints và số lượng mà giải pháp vẽ ra. |
verbose | bool | True | Bật nhật ký theo từng khung hình của giải pháp về hình dạng đầu vào, số lượng lớp và tốc độ xử lý. Bản thân lệnh gọi tracking luôn ở chế độ im lặng. |
Giải pháp SpeedEstimator cho phép sử dụng các tham số track:
| Đối số | Loại | Mặc định | Mô tả |
|---|---|---|---|
tracker | str | 'botsort.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 | Thiết lập ngưỡng tin cậy cho các phát hiện; các giá trị thấp hơn cho phép nhiều đối tượng được theo dõi hơn nhưng có thể bao gồm các kết quả dương tính giả. |
iou | float | 0.7 | Đặt ngưỡng Intersection over Union (IoU) để lọc các phát hiện trùng lặp. |
classes | list | None | Lọc kết quả theo chỉ mục lớp. Ví dụ: classes=[0, 2, 3] chỉ theo dõi các lớp được chỉ định. |
device | str | None | Chỉ định thiết bị để suy luận (ví dụ: cpu, cuda:0 hoặc 0). Cho phép người dùng lựa chọn giữa CPU, GPU cụ thể hoặc các thiết bị tính toán khác để thực thi mô hình. |
Ngoài ra, các tùy chọn trực quan hóa sau đây cũng được hỗ trợ:
| Đối số | Loại | Mặc định | Mô tả |
|---|---|---|---|
show | bool | False | Nếu là True, hiển thị các hình 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 số tin cậy (confidence score) cho mỗi phát hiện cùng với nhãn. Cung cấp thông tin chi tiết về độ chắc chắn của model đối với từng phát hiện. |
show_labels | bool | True | Hiển thị nhãn cho mỗi phát hiện trong đầu ra hình ảnh. Cung cấp khả năng nhận biết tức thì các đối tượng được phát hiện. |
Câu hỏi thường gặp#
Ước tính tốc độ đối tượng bằng Ultralytics YOLO26 kết hợp object detection và tracking. Model phát hiện các đối tượng trong từng khung hình, theo dõi chúng qua các khung hình, và chuyển đổi khoảng cách di chuyển giữa các khung hình thành tốc độ bằng cách sử dụng tốc độ khung hình và tỷ lệ
meter_per_pixel. Python example above chạy toàn bộ pipeline này — hãy truyền video của bạn và tinh chỉnhmeter_per_pixelcho camera của bạn. Để biết thêm thông tin nền tảng, hãy tham khảo official blog post của chúng tôi.Sử dụng Ultralytics YOLO26 để ước tính tốc độ mang lại những ưu điểm đáng kể trong quản lý giao thông:
- Nâng cao an toàn: Ước tính chính xác tốc độ phương tiện để phát hiện việc chạy quá tốc độ và cải thiện an toàn đường bộ.
- Giám sát thời gian thực: Tận dụng khả năng phát hiện đối tượng thời gian thực của YOLO26 để giám sát lưu lượng giao thông và ùn tắc một cách hiệu quả.
- Khả năng mở rộng: Triển khai model trên nhiều thiết lập phần cứng khác nhau, từ edge devices cho đến các server, đảm bảo các giải pháp linh hoạt và có khả năng mở rộng cho các triển khai quy mô lớn.
Để biết thêm các ứng dụng, hãy xem advantages of speed estimation.
Có, YOLO26 có thể được tích hợp với các AI framework khác như TensorFlow và PyTorch. Ultralytics cung cấp hỗ trợ xuất các model YOLO26 sang nhiều định dạng khác nhau như ONNX, TensorRT, và CoreML, đảm bảo khả năng tương thích mượt mà với các ML framework khác.
Để xuất model YOLO26 sang định dạng ONNX:
yolo export model=yolo26n.pt format=onnxTìm hiểu thêm về việc xuất model trong guide on export của chúng tôi.
Độ accuracy của việc ước tính tốc độ sử dụng Ultralytics YOLO26 phụ thuộc vào một số yếu tố, bao gồm chất lượng của việc object tracking, độ phân giải và tốc độ khung hình của video, cùng các biến số môi trường. Mặc dù công cụ ước tính tốc độ cung cấp các ước tính đáng tin cậy, nhưng nó có thể không đạt độ chính xác 100% do sự biến động trong tốc độ xử lý khung hình và hiện tượng che khuất đối tượng.
Lưu ý: Luôn cân nhắc sai số và xác thực các ước tính bằng dữ liệu thực tế (ground truth) khi có thể.
Để biết thêm các mẹo cải thiện độ chính xác, hãy xem Arguments
SpeedEstimatorsection.