Link to this sectionƯớc tính tốc độ bằng Ultralytics YOLO26 🚀#
Link to this sectionƯớc tính tốc độ là gì?#
Ước tính tốc độ là quá trình tính toán tốc độ di chuyển của một đối tượng trong một ngữ cảnh nhất định, thường được áp dụng trong các ứng dụng computer vision. Sử dụng Ultralytics YOLO26, giờ đây bạn có thể tính toán tốc độ của các đối tượng bằng cách sử dụng object tracking kết hợp 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 ước tính tốc độ ảnh hưởng trực tiếp đến hiệu suất và độ tin cậy của các ứng dụng khác nhau, biến nó thành một thành phần then chốt trong sự phát triển của các hệ thống thông minh và quy trình ra quyết định thời gian thực.
Watch: Speed Estimation using Ultralytics YOLO26
Để có cái nhìn sâu sắc hơn về ước tính tốc độ, hãy xem bài đăng trên blog của chúng tôi: Ultralytics YOLO for Speed Estimation in Computer Vision Projects
Link to this sectionƯu 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 hành chính xác: Trong các hệ thống tự hành như xe tự lái, ước tính tốc độ đáng tin cậy đảm bảo việc điều hướng phương tiện 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.
Link to this sectionCác 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.
# 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=0.05Link to this sectionCác tham số SpeedEstimator#
Dưới đây là bảng các tham 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). |
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 tracking cần sử dụng. Các tùy chọn tích hợp sẵn: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.1 | 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 | Thiết lập ngưỡng Intersection over Union (IoU) để lọc các phát hiện chồng lấp. |
classes | list | None | Lọc kết quả theo chỉ số lớp. Ví dụ, classes=[0, 2, 3] chỉ theo dõi các lớp đã chỉ định. |
verbose | bool | True | Kiểm soát việc hiển thị kết quả theo dõi, cung cấp đầu ra trực quan của các đối tượng được theo dõi. |
device | str | None | Chỉ định thiết bị để thực hiện suy luận (ví dụ: cpu, cuda:0 hoặc 0). Cho phép người dùng chọn giữa CPU, một GPU cụ thể, hoặc các thiết bị tính toán khác để thực thi model. |
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 True, hiển thị các hình ảnh hoặc video đã được chú thích trong một cửa sổ. Hữu ích cho phản hồi trực quan ngay lập tức trong quá trình phát triển hoặc kiểm thử. |
line_width | int or None | None | Chỉ định độ dày đường của bounding box. Nếu None, độ dày đường được tự động điều chỉnh dựa trên kích thước hình ảnh. Cung cấp khả năng tùy chỉnh trực quan để rõ ràng hơn. |
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. |
Link to this sectionCâu hỏi thường gặp#
Link to this sectionLàm thế nào để ước tính tốc độ đối tượng bằng Ultralytics YOLO26?#
Ước tính tốc độ đối tượng với Ultralytics YOLO26 bao gồm việc kết hợp các kỹ thuật object detection và theo dõi. Đầu tiên, bạn cần phát hiện đối tượng trong mỗi khung hình bằng model YOLO26. Sau đó, theo dõi các đối tượng này qua các khung hình để tính toán sự di chuyển của chúng theo thời gian. Cuối cùng, sử dụng khoảng cách mà đối tượng đã di chuyển giữa các khung hình và tốc độ khung hình để ước tính tốc độ của nó.
Ví dụ:
import cv2
from ultralytics import solutions
cap = cv2.VideoCapture("path/to/video.mp4")
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 = cv2.VideoWriter("speed_estimation.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
# Initialize SpeedEstimator
speedestimator = solutions.SpeedEstimator(
model="yolo26n.pt",
show=True,
)
while cap.isOpened():
success, im0 = cap.read()
if not success:
break
results = speedestimator(im0)
video_writer.write(results.plot_im)
cap.release()
video_writer.release()
cv2.destroyAllWindows()Để biết thêm chi tiết, hãy tham khảo bài đăng trên blog chính thức của chúng tôi.
Link to this sectionSử dụng Ultralytics YOLO26 để ước tính tốc độ trong quản lý giao thông mang lại lợi ích gì?#
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 các thiết lập phần cứng khác nhau, từ edge devices đến máy chủ, 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 khác, hãy xem ưu điểm của ước tính tốc độ.
Link to this sectionYOLO26 có thể được tích hợp với các khung AI khác như TensorFlow hoặc PyTorch không?#
Có, YOLO26 có thể được tích hợp với các khung AI khác như TensorFlow và PyTorch. Ultralytics cung cấp hỗ trợ xuất model YOLO26 sang nhiều định dạng như ONNX, TensorRT và CoreML, đảm bảo khả năng tương tác mượt mà với các khung ML khác.
Để xuất model YOLO26 sang định dạng ONNX:
yolo export model=yolo26n.pt format=onnxTìm hiểu thêm về việc xuất model trong hướng dẫn về xuất của chúng tôi.
Link to this sectionĐộ chính xác của ước tính tốc độ bằng Ultralytics YOLO26 là bao nhiêu?#
Độ chính xác của ước tính tốc độ bằng Ultralytics YOLO26 phụ thuộc vào một số yếu tố, bao gồm chất lượng của quá trình theo dõi đối tượng, độ phân giải và tốc độ khung hình của video, cũng như các biến số môi trường. Mặc dù trình ước tính tốc độ cung cấp các ước tính đáng tin cậy, nó có thể không chính xác 100% do sự khác biệt về tốc độ xử lý khung hình và sự 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 kiểm tra phần tham số SpeedEstimator.