使用Ultralytics YOLO11

Q: How do I calculate distances between objects using Ultralytics YOLO11?

要使用Ultralytics YOLO11 计算物体之间的距离，需要确定检测到的物体的边界框中心点。这一过程包括初始化Ultralytics' 解决方案模块中的 DistanceCalculation 类，并使用模型的跟踪输出来计算距离。您可以参考距离计算示例中的实现方法。

Q: Can I perform distance calculation in real-time video streams with Ultralytics YOLO11?

是的，您可以通过Ultralytics YOLO11 在实时视频流中执行距离计算。这个过程包括使用 OpenCV 捕捉视频帧，运行YOLO11 对象检测，以及使用 DistanceCalculation 类计算连续帧中对象之间的距离。有关详细实现，请参阅视频流示例。

Q: What are the key arguments for initializing the DistanceCalculation class in Ultralytics YOLO11?

Ultralytics YOLO11 中初始化 DistanceCalculation 类的关键参数包括有关完整列表和默认值，请参阅 DistanceCalculation 的参数。

什么是距离计算？

测量两个物体之间的间距被称为特定空间内的距离计算。在 Ultralytics YOLO11中，边界框中心点被用来计算用户突出显示的边界框的距离。

观看： 使用Ultralytics YOLO11

视觉效果

使用Ultralytics YOLO11

距离计算的优势？

定位精度：提高计算机视觉任务中的空间定位精度。
尺寸估算：可估算物体大小，以便更好地理解上下文。

距离计算

用鼠标左键单击任意两个边界框，计算距离

使用YOLO11 计算距离示例

视频流

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("Path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
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
video_writer = cv2.VideoWriter("distance_calculation.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init distance-calculation obj
distance = solutions.DistanceCalculation(model="yolo11n.pt", show=True)

# Process video
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    im0 = distance.calculate(im0)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

备注

鼠标右键点击将删除所有绘制点
鼠标左键可用于绘制点

距离是估计值

Distance will be an estimate and may not be fully accurate, as it is calculated using 2-dimensional data, which lacks information about the object's depth.

论据 `DistanceCalculation()`

`Name`	`Type`	`Default`	说明
`model`	`str`	`None`	Ultralytics YOLO 模型文件的路径
`line_width`	`int`	`2`	边界框的线条粗细
`show`	`bool`	`False`	用于控制是否显示视频流的标志。

论据 `model.track`

论据	类型	默认值	说明
`source`	`str`	`None`	指定图片或视频的源目录。支持文件路径和 URL。
`persist`	`bool`	`False`	可在帧间持续跟踪对象，在视频序列中保持 ID。
`tracker`	`str`	`botsort.yaml`	指定要使用的跟踪算法，例如 `bytetrack.yaml` 或 `botsort.yaml`.
`conf`	`float`	`0.3`	设置检测的置信度阈值；数值越低，跟踪的物体越多，但可能会出现误报。
`iou`	`float`	`0.5`	设置交叉重叠 (IoU) 阈值，用于过滤重叠检测。
`classes`	`list`	`None`	按类别索引筛选结果。例如 `classes=[0, 2, 3]` 只跟踪指定的类别。
`verbose`	`bool`	`True`	控制跟踪结果的显示，提供被跟踪物体的可视化输出。