Ước tính tốc độ bằng Ultralytics YOLO26#
Ước tính tốc độ là gì?#
Ước tính tốc độ là quá trình tính toán tốc độ di chuyển của một đối tượng trong một bối cảnh nhất định, thường được ứng dụng trong thị giác máy tính. Với Ultralytics YOLO26, giờ đây bạn có thể tính tốc độ của các đối tượng bằng cách sử dụng theo dõi đối tượng kết hợp với dữ liệu khoảng cách và thời gian, yếu tố thiết yếu cho các tác vụ như giám sát giao thông và giám sát an ninh. Độ chính xác của việc ước tính tốc độ ảnh hưởng trực tiếp đến hiệu quả và độ tin cậy của nhiều ứng dụng, khiến đây trở thành thành phần then chốt trong sự phát triển của các hệ thống thông minh và quy trình ra quyết định theo thời gian thực.
Xem: Ước tính tốc độ bằng Ultralytics YOLO26
Để tìm hiểu sâu hơn về ước tính tốc độ, hãy xem bài viết trên blog của chúng tôi: Ultralytics YOLO dùng để ước tính tốc độ trong các dự án thị giác máy tính
Ưu điểm của việc ước tính tốc độ#
- Điều khiển giao thông hiệu quả: Ước tính tốc độ chính xác giúp quản lý lưu lượng giao thông, tăng cường an toàn và giảm ùn tắc trên đường.
- Điều hướng tự động chính xác: Trong các hệ thống tự động như ô tô tự lái, việc ước tính tốc độ đáng tin cậy đảm bảo phương tiện điều hướng an toàn và chính xác.
- Tăng cường an ninh giám sát: Ước tính tốc độ trong phân tích giám sát giúp xác định hành vi bất thường hoặc các mối đe dọa tiềm ẩn, nâng cao hiệu quả của các biện pháp an ninh.
Ứng dụng thực tế#
| Giao thông vận tải | Giao thông vận tải |
|---|---|
 |  |
| Ước tính tốc độ trên đường bằng Ultralytics YOLO26 | Ước tính tốc độ trên cầu bằng Ultralytics YOLO26 |
Tốc độ chỉ là giá trị ước tính
Tốc độ chỉ là giá trị ước tính và có thể không hoàn toàn chính xác. Ngoài ra, kết quả ước tính có thể thay đổi tùy theo thông số camera và các yếu tố liên quan.
Ước tính tốc độ với YOLO26#
Giải pháp SpeedEstimator theo dõi từng đối tượng qua các frame và chuyển đổi độ dịch chuyển theo pixel thành tốc độ bằng cách sử dụng tốc độ khung hình video (fps) và tỷ lệ theo kích thước thực tế (meter_per_pixel). Điều chỉnh meter_per_pixel cho phù hợp với cấu hình camera của bạn và sử dụng max_speed để giới hạn các giá trị ngoại lai từ những track 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=0.05Các đối số của SpeedEstimator#
Dưới đây là bảng các đối số của SpeedEstimator:
| Đối số | Kiểu | Mặc định | Mô tả |
|---|---|---|---|
model | str | None | Đường dẫn đến tệp model Ultralytics YOLO. |
fps | float | 30.0 | Số khung hình mỗi giây được dùng để tính tốc độ. |
max_hist | int | 5 | Số điểm lịch sử tối đa cần theo dõi cho mỗi đối tượng để tính tốc độ/hướng di chuyển. |
meter_per_pixel | float | 0.05 | Hệ số tỷ lệ dùng để chuyển đổi khoảng cách pixel sang đơn vị thực tế. |
max_speed | int | 120 | Tốc độ tối đa tính bằng km/h; các tốc độ ước tính cao hơn sẽ bị giới hạn ở giá trị này. |
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 SpeedEstimator cho phép sử dụng các tham 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/unset (FP32) cho model PyTorch và TorchScript khi chạy ngoài CPU; các định dạng khác sử dụng độ chính xác do artifact và runtime của chúng lựa chọn. Thay thế đối số half đã lỗi thời. |
Ngoài ra, các tùy chọn trực quan hóa sau đây cũng được hỗ trợ:
| 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_labels | bool | True | Hiển thị nhãn cho mỗi detection trong đầu ra trực quan. Giúp nhận biết ngay các đối tượng được phát hiện. |
Câu hỏi thường gặp#
Ước tính tốc độ đối tượng bằng Ultralytics YOLO26 kết hợp phát hiện đối tượng và theo dõi. Model phát hiện đối tượng trong từng frame, theo dõi chúng qua các frame và chuyển đổi quãng đường di chuyển giữa các frame thành tốc độ dựa trên tốc độ khung hình và tỷ lệ
meter_per_pixel. Ví dụ Python ở trên chạy toàn bộ quy trình này — truyền video của bạn vào và điều chỉnhmeter_per_pixelcho phù hợp với camera. Để tìm hiểu thêm thông tin nền tảng, hãy tham khảo bài viết chính thức trên blog của chúng tôi.Sử dụng Ultralytics YOLO26 để ước tính tốc độ mang lại những lợi ích đáng kể trong quản lý giao thông:
- Tăng cường an toàn: Ước tính chính xác tốc độ phương tiện để phát hiện tình trạng chạy quá tốc độ và cải thiện an toàn đường bộ.
- Giám sát theo thời gian thực: Tận dụng khả năng phát hiện đối tượng theo thời gian thực của YOLO26 để giám sát hiệu quả lưu lượng giao thông và tình trạng ùn tắc.
- Khả năng mở rộng: Triển khai model trên nhiều cấu hình phần cứng khác nhau, từ thiết bị biên đến máy chủ, đảm bảo các giải pháp linh hoạt và có khả năng mở rộng cho những triển khai quy mô lớn.
Để xem thêm ứng dụng, hãy tham khảo ưu điểm của việc ước tính tốc độ.
Có, YOLO26 có thể tích hợp với các framework AI khác như TensorFlow và PyTorch. Ultralytics hỗ trợ xuất model YOLO26 sang nhiều định dạng như ONNX, TensorRT và CoreML, đảm bảo khả năng tương tác liền mạch với các framework ML khác.
Để xuất model YOLO26 sang định dạng ONNX:
yolo export model=yolo26n.pt format=onnxTìm hiểu thêm về cách xuất model trong hướng dẫn xuất model của chúng tôi.
Độ chính xác của việc ước tính tốc độ bằng Ultralytics YOLO26 phụ thuộc vào một số yếu tố, bao gồm chất lượng theo dõi đối tượng, độ phân giải và tốc độ khung hình của video, cũng như các biến số môi trường. Mặc dù bộ ước tính tốc độ đưa ra các kết quả đáng tin cậy, nhưng kết quả có thể không chính xác 100% do sự khác biệt về tốc độ xử lý frame và hiện tượng che khuất đối tượng.
Lưu ý: Luôn tính đến biên sai số và xác thực các kết quả ước tính bằng dữ liệu ground truth khi có thể.
Để biết thêm mẹo cải thiện độ chính xác, hãy xem mục Tham số
SpeedEstimator.