Ultralytics Giải pháp: Dây nịt YOLO11 để Giải quyết các Vấn đề trong Thế giới Thực

Ultralytics Các giải pháp cung cấp các ứng dụng tiên tiến của YOLO các mô hình, cung cấp các giải pháp thực tế như đếm đối tượng, làm mờ và hệ thống an ninh, nâng cao hiệu quả và độ chính xác trong nhiều ngành công nghiệp khác nhau. Khám phá sức mạnh của YOLO11 để triển khai thực tế và có tác động.

Đồng hồ: Cách chạy Ultralytics Giải pháp từ Dòng lệnh ( CLI ) | Ultralytics YOLO11 🚀

Giải pháp

Đây là danh sách được tuyển chọn của chúng tôi Ultralytics các giải pháp có thể được sử dụng để tạo ra các dự án thị giác máy tính tuyệt vời.

Đếm đối tượng : Học cách thực hiện đếm đối tượng theo thời gian thực với YOLO11 . Có được chuyên môn để đếm chính xác các đối tượng trong luồng video trực tiếp.
Cắt đối tượng : Cắt đối tượng chính với YOLO11 để trích xuất chính xác các đối tượng từ hình ảnh và video.
Làm mờ đối tượng : Áp dụng làm mờ đối tượng bằng cách sử dụng YOLO11 để bảo vệ quyền riêng tư trong xử lý hình ảnh và video.
Theo dõi bài tập luyện : Khám phá cách theo dõi bài tập luyện bằng cách sử dụng YOLO11 . Học cách theo dõi và phân tích nhiều thói quen tập thể dục khác nhau theo thời gian thực.
Đếm đối tượng trong các vùng : Đếm đối tượng trong các vùng cụ thể bằng cách sử dụng YOLO11 để phát hiện chính xác ở nhiều khu vực khác nhau.
Hệ thống báo động an ninh : Tạo một hệ thống báo động an ninh với YOLO11 kích hoạt cảnh báo khi phát hiện vật thể mới. Tùy chỉnh hệ thống để phù hợp với nhu cầu cụ thể của bạn.
Bản đồ nhiệt : Sử dụng bản đồ nhiệt phát hiện để trực quan hóa cường độ dữ liệu trên toàn bộ ma trận, cung cấp thông tin chi tiết rõ ràng trong các tác vụ thị giác máy tính.
Phân đoạn thể hiện với theo dõi đối tượng : Triển khai phân đoạn thể hiện và theo dõi đối tượng với YOLO11 để đạt được ranh giới đối tượng chính xác và giám sát liên tục.
VisionEye View Objects Mapping : Phát triển các hệ thống mô phỏng khả năng tập trung của mắt người vào các vật thể cụ thể, nâng cao khả năng phân biệt và ưu tiên chi tiết của máy tính.
Ước tính tốc độ : Ước tính tốc độ của vật thể bằng cách sử dụng YOLO11 và các kỹ thuật theo dõi đối tượng, rất quan trọng cho các ứng dụng như xe tự hành và giám sát giao thông.
Tính toán khoảng cách : Tính toán khoảng cách giữa các đối tượng bằng cách sử dụng trọng tâm hộp giới hạn trong YOLO11 , cần thiết cho phân tích không gian.
Quản lý hàng đợi : Triển khai các hệ thống quản lý hàng đợi hiệu quả để giảm thiểu thời gian chờ đợi và cải thiện năng suất bằng cách sử dụng YOLO11 .
Quản lý bãi đậu xe : Tổ chức và chỉ đạo luồng xe trong khu vực đỗ xe với YOLO11 , tối ưu hóa việc sử dụng không gian và trải nghiệm của người dùng.
Phân tích : Thực hiện phân tích dữ liệu toàn diện để khám phá các mô hình và đưa ra quyết định sáng suốt, tận dụng YOLO11 để phân tích mô tả, dự đoán và quy định.
Suy luận trực tiếp với Streamlit : Tận dụng sức mạnh của YOLO11 để phát hiện đối tượng theo thời gian thực trực tiếp thông qua trình duyệt web của bạn với giao diện Streamlit thân thiện với người dùng.
Theo dõi Đối tượng trong Vùng 🚀 MỚI: Tìm hiểu cách theo dõi đối tượng trong các vùng cụ thể của khung hình video bằng cách sử dụng YOLO11 để theo dõi chính xác và hiệu quả.

Giải pháp Lập luận

Lý lẽ	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 đếm.
`show_in`	`bool`	`True`	Đánh dấu để kiểm soát việc hiển thị số lượng vào luồng video hay không.
`show_out`	`bool`	`True`	Đánh dấu để kiểm soát việc hiển thị số lượng đầu ra trên luồng video.
`analytics_type`	`str`	`line`	Loại đồ thị, tức là, `line`, `bar`, `area`, hoặc `pie`.
`colormap`	`int`	`cv2.COLORMAP_JET`	Bản đồ màu sử dụng cho bản đồ nhiệt.
`json_file`	`str`	`None`	Đường dẫn đến tệp JSON chứa tất cả dữ liệu tọa độ đỗ xe.
`up_angle`	`float`	`145.0`	Ngưỡng góc cho tư thế 'lên'.
`kpts`	`list[int, int, int]`	`[6, 8, 10]`	Danh sách các điểm chính được sử dụng để theo dõi quá trình tập luyện. Các điểm chính này tương ứng với các khớp hoặc bộ phận cơ thể, chẳng hạn như vai, khuỷu tay và cổ tay, cho các bài tập như chống đẩy, kéo xà, gập người, tập cơ bụng.
`down_angle`	`float`	`90.0`	Ngưỡng góc cho tư thế 'xuống'.
`blur_ratio`	`float`	`0.5`	Điều chỉnh phần trăm cường độ mờ, với các giá trị trong phạm vi `0.1 - 1.0`.
`crop_dir`	`str`	`"cropped-detections"`	Tên thư mục để lưu trữ các phát hiện đã cắt.
`records`	`int`	`5`	Tổng số lần phát hiện sẽ được tính để kích hoạt email có hệ thống báo động an ninh.
`vision_point`	`tuple[int, int]`	`(50, 50)`	Điểm mà thị giác sẽ theo dõi các vật thể và vẽ đường đi bằng Giải pháp VisionEye.
`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.
`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 , một cụ thể GPU hoặc các thiết bị tính toán khác để thực hiện mô hình.
`show`	`bool`	`False`	Nếu như `True`, hiển thị hình ảnh hoặc video có chú thích trong một cửa sổ. Hữu ích cho phản hồi trực quan ngay lập tức trong quá trình phát triển hoặc thử nghiệm.
`line_width`	`None or int`	`None`	Chỉ định độ rộng đường của hộp giới hạn. Nếu `None`, độ rộng của đường được tự động điều chỉnh dựa trên kích thước hình ảnh. Cung cấp tùy chỉnh trực quan để rõ nét hơn.

Theo dõi đối số

Các giải pháp cũng hỗ trợ một số lập luận từ track, bao gồm các thông số như conf, line_width, tracker, model, show, verbose Và classes.

Lý lẽ	Kiểu	Mặc định	Sự miêu tả
`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.
`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 , một cụ thể GPU hoặc các thiết bị tính toán khác để thực hiện mô hình.

Sử dụng SolutionAnnotator

Tất cả Ultralytics Giải pháp sử dụng lớp riêng biệt SolutionAnnotator, mở rộng chính Annotator lớp và có các phương thức sau:

Phương pháp	Kiểu trả về	Sự miêu tả
`draw_region()`	`None`	Vẽ một vùng bằng các điểm, màu sắc và độ dày được chỉ định.
`queue_counts_display()`	`None`	Hiển thị số lượng hàng đợi trong khu vực được chỉ định.
`display_analytics()`	`None`	Hiển thị số liệu thống kê tổng thể về quản lý bãi đậu xe.
`estimate_pose_angle()`	`float`	Tính góc giữa ba điểm trong tư thế của một vật thể.
`draw_specific_points()`	`None`	Vẽ các điểm chính cụ thể trên hình ảnh.
`plot_workout_information()`	`None`	Vẽ hộp văn bản có nhãn trên hình ảnh.
`plot_angle_and_count_and_stage()`	`None`	Hiển thị góc, số bước và giai đoạn để theo dõi quá trình tập luyện.
`plot_distance_and_line()`	`None`	Hiển thị khoảng cách giữa các tâm và nối chúng bằng một đường thẳng.
`display_objects_labels()`	`None`	Chú thích các hộp giới hạn bằng nhãn lớp đối tượng.
`seg_bbox()`	`None`	Vẽ đường viền cho các đối tượng được phân đoạn và tùy ý gắn nhãn cho chúng.
`sweep_annotator()`	`None`	Hiển thị đường quét dọc và nhãn tùy chọn.
`visioneye()`	`None`	Bản đồ hóa và kết nối tâm đối tượng với điểm "mắt" trực quan.
`circle_label()`	`None`	Vẽ nhãn tròn thay cho hộp giới hạn.
`text_label()`	`None`	Vẽ nhãn hình chữ nhật thay cho hộp giới hạn.

Làm việc với SolutionResults

Tất cả các cuộc gọi Giải pháp trả về một danh sách SolutionResults các đối tượng, chứa thông tin toàn diện về các giải pháp.

Đối với việc đếm đối tượng, kết quả bao gồm incounts, outcounts, Và classwise_counts.

Giải phápKết quả

counter = solutions.ObjectCounter(
    show=True,  # display the output
    region=region_points,  # pass region points
    model="yolo11n.pt",  # model="yolo11n-obb.pt" for object counting with OBB model.
    # classes=[0, 2],           # count specific classes i.e. person and car with COCO pretrained model.
    # tracker="botsort.yaml"    # Choose trackers i.e "bytetrack.yaml"
)
results = counter.count(im0)
print(results.in_counts)  # display in_counts
print(results.out_counts)  # display out_counts

Để biết thêm chi tiết, hãy tham khảo SolutionResults tài liệu lớp học.

Giải pháp sử dụng qua CLI

Thông tin lệnh

Hầu hết các giải pháp có thể được sử dụng trực tiếp thông qua giao diện dòng lệnh, bao gồm:

Count, Crop, Blur, Workout, Heatmap, Isegment, Visioneye, Speed, Queue, Analytics, Inference

Cú pháp

yolo SOLUTIONS SOLUTION_NAME ARGS

GIẢI PHÁP là từ khóa bắt buộc.
TÊN GIẢI_PHÁP là một trong: ['count', 'crop', 'blur', 'workout', 'heatmap', 'isegment', 'queue', 'speed', 'analytics', 'trackzone', 'inference', 'visioneye'].
ARGS (tùy chọn) là tùy chỉnh arg=value cặp, chẳng hạn như show_in=True, để ghi đè cài đặt mặc định.

yolo solutions count show=True # for object counting

yolo solutions source="path/to/video.mp4" # specify video file path

Góp phần vào các giải pháp của chúng tôi

Chúng tôi hoan nghênh sự đóng góp từ cộng đồng! Nếu bạn đã thành thạo một khía cạnh cụ thể của Ultralytics YOLO chưa được đề cập trong các giải pháp của chúng tôi, chúng tôi khuyến khích bạn chia sẻ chuyên môn của mình. Viết hướng dẫn là một cách tuyệt vời để đền đáp cộng đồng và giúp chúng tôi làm cho tài liệu của mình toàn diện hơn và thân thiện hơn với người dùng.

Để bắt đầu, vui lòng đọc Hướng dẫn đóng góp của chúng tôi để biết hướng dẫn về cách mở Yêu cầu kéo (PR) 🛠️. Chúng tôi mong muốn nhận được sự đóng góp của bạn!

Chúng ta hãy cùng nhau làm việc để tạo ra Ultralytics YOLO hệ sinh thái mạnh mẽ và linh hoạt hơn 🙏!

CÂU HỎI THƯỜNG GẶP

Tôi có thể sử dụng như thế nào? Ultralytics YOLO để đếm đối tượng theo thời gian thực?

Ultralytics YOLO11 có thể được sử dụng để đếm đối tượng theo thời gian thực bằng cách tận dụng khả năng phát hiện đối tượng tiên tiến của nó. Bạn có thể làm theo hướng dẫn chi tiết của chúng tôi về Đếm đối tượng để thiết lập YOLO11 để phân tích luồng video trực tiếp. Chỉ cần cài đặt YOLO11 , tải mô hình của bạn và xử lý khung hình video để đếm các đối tượng một cách động.

Lợi ích của việc sử dụng là gì? Ultralytics YOLO cho hệ thống an ninh?

Ultralytics YOLO11 nâng cao hệ thống an ninh bằng cách cung cấp cơ chế phát hiện và cảnh báo đối tượng theo thời gian thực. Bằng cách sử dụng YOLO11 , bạn có thể tạo một hệ thống báo động an ninh kích hoạt cảnh báo khi phát hiện vật thể mới trong khu vực giám sát. Tìm hiểu cách thiết lập Hệ thống báo động an ninh với YOLO11 để giám sát an ninh chặt chẽ.

Làm sao có thể Ultralytics YOLO cải thiện hệ thống quản lý hàng đợi?

Ultralytics YOLO11 có thể cải thiện đáng kể hệ thống quản lý hàng đợi bằng cách đếm và theo dõi chính xác số người trong hàng đợi, do đó giúp giảm thời gian chờ đợi và tối ưu hóa hiệu quả dịch vụ. Hãy làm theo hướng dẫn chi tiết của chúng tôi về Quản lý hàng đợi để tìm hiểu cách triển khai YOLO11 để theo dõi và phân tích hàng đợi hiệu quả.

Có thể Ultralytics YOLO có thể được sử dụng để theo dõi quá trình tập luyện?

Đúng, Ultralytics YOLO11 có thể được sử dụng hiệu quả để theo dõi các bài tập luyện bằng cách theo dõi và phân tích các thói quen tập thể dục theo thời gian thực. Điều này cho phép đánh giá chính xác hình thức và hiệu suất tập luyện. Khám phá hướng dẫn của chúng tôi về Giám sát bài tập luyện để tìm hiểu cách thiết lập hệ thống giám sát bài tập luyện hỗ trợ AI bằng cách sử dụng YOLO11 .

Làm thế nào Ultralytics YOLO có trợ giúp gì trong việc tạo bản đồ nhiệt để trực quan hóa dữ liệu không?

Ultralytics YOLO11 có thể tạo bản đồ nhiệt để trực quan hóa cường độ dữ liệu trên một khu vực nhất định, làm nổi bật các vùng có hoạt động hoặc sở thích cao. Tính năng này đặc biệt hữu ích trong việc hiểu các mẫu và xu hướng trong nhiều tác vụ thị giác máy tính khác nhau. Tìm hiểu thêm về việc tạo và sử dụng Bản đồ nhiệt với YOLO11 để phân tích và trực quan hóa dữ liệu toàn diện.

📅 Được tạo cách đây 9 tháng ✏️ Đã cập nhật cách đây 1 ngày