使用 Ultralytics YOLO26 进行对象计数

什么是对象计数？

使用 Ultralytics YOLO26 进行对象计数，涉及对视频和摄像机流中的特定对象进行精确识别与计数。得益于其最先进的算法和深度学习功能，YOLO26 在实时应用中表现出色，能够为人群分析和监控等多种场景提供高效且精确的对象计数。

Watch: How to Perform Real-Time Object Counting with Ultralytics YOLO26 🚀

对象计数的优势

资源优化： 对象计数通过提供准确的统计数字，有助于高效的资源管理，并能优化库存管理等应用中的资源分配。
增强安全性： 对象计数通过准确跟踪和统计实体，增强了安全性和监控能力，有助于主动进行威胁检测。
明智的决策制定： 对象计数为决策提供有价值的见解，能够优化零售、交通管理以及其他各种领域的流程。

现实世界应用

物流	水产养殖

使用 Ultralytics YOLO26 进行传送带包裹计数	使用 Ultralytics YOLO26 进行海洋鱼类计数

使用 Ultralytics YOLO 进行对象计数

# Run a counting example
yolo solutions count show=True

# Pass a source video
yolo solutions count source="path/to/video.mp4"

# Pass region coordinates
yolo solutions count region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"

region 参数接受两点（用于线）或三个及以上点的多边形。请按连接顺序定义坐标，以便计数器准确知晓进入和离开的位置。

`ObjectCounter` 参数

下表列出了 ObjectCounter 的参数：

参数	类型	默认值	描述
`model`	`str`	`None`	Ultralytics YOLO 模型文件的路径。
`show_in`	`bool`	`True`	用于控制是否在视频流中显示进入计数的标志。
`show_out`	`bool`	`True`	用于控制是否在视频流中显示离开计数的标志。
`region`	`list`	`'[(20, 400), (1260, 400)]'`	定义计数区域的点列表。

ObjectCounter 解决方案支持使用多个 track 参数：

参数	类型	默认值	描述
`tracker`	`str`	`'botsort.yaml'`	指定使用的跟踪算法，例如 `bytetrack.yaml` 或 `botsort.yaml`。
`conf`	`float`	`0.1`	设置检测的置信度阈值；较低的值允许跟踪更多对象，但可能会包含误报。
`iou`	`float`	`0.7`	设置过滤重叠检测的 Intersection over Union (IoU) 阈值。
`classes`	`list`	`None`	按类别索引过滤结果。例如，`classes=[0, 2, 3]` 将仅跟踪指定的类别。
`verbose`	`bool`	`True`	控制跟踪结果的显示，提供跟踪对象的视觉输出。
`device`	`str`	`None`	指定推理设备（例如 `cpu`、`cuda:0` 或 `0`）。允许用户选择 CPU、特定的 GPU 或其他计算设备来执行模型。

此外，还支持以下列出的可视化参数：

参数	类型	默认值	描述
`show`	`bool`	`False`	如果设为 `True`，则在一个窗口中显示标注后的图像或视频。这对于开发或测试期间的即时视觉反馈非常有用。
`line_width`	`int or None`	`None`	指定边界框的线宽。如果为 `None`，线宽将根据图像大小自动调整。提供视觉自定义以提高清晰度。
`show_conf`	`bool`	`True`	在标签旁边显示每个检测结果的置信度分数。让你可以洞察模型对每个检测的确定性。
`show_labels`	`bool`	`True`	在可视化输出中显示每个检测结果的标签。提供对检测对象的即时了解。

常见问题 (FAQ)

如何使用 Ultralytics YOLO26 对视频中的对象进行计数？

要使用 Ultralytics YOLO26 对视频中的对象进行计数，你可以按照以下步骤操作：

导入必要的库（cv2，ultralytics）。
定义计数区域（例如，多边形、线等）。
设置视频捕获并初始化对象计数器。
处理每一帧以跟踪对象并在定义的区域内进行计数。

这里是一个简单的区域内计数示例：

import cv2

from ultralytics import solutions

def count_objects_in_region(video_path, output_video_path, model_path):
    """Count objects in a specific region within a video."""
    cap = cv2.VideoCapture(video_path)
    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 = cv2.VideoWriter(output_video_path, cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

    region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360)]
    counter = solutions.ObjectCounter(show=True, region=region_points, model=model_path)

    while cap.isOpened():
        success, im0 = cap.read()
        if not success:
            print("Video frame is empty or processing is complete.")
            break
        results = counter(im0)
        video_writer.write(results.plot_im)

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

count_objects_in_region("path/to/video.mp4", "output_video.avi", "yolo26n.pt")

如需更多高级配置和选项，请查看 RegionCounter 解决方案，以实现在多个区域同时进行对象计数。

使用 Ultralytics YOLO26 进行对象计数有什么优势？

使用 Ultralytics YOLO26 进行对象计数具有以下优势：

资源优化： 它通过提供准确的统计数字，有助于高效的资源管理，并能优化库存管理等行业中的资源分配。
增强安全性： 它通过准确跟踪和统计实体，增强了安全性和监控能力，有助于主动进行威胁检测和安全系统管理。
明智的决策制定： 它为决策提供有价值的见解，能够优化零售、交通管理等领域的流程。
实时处理： YOLO26 的架构支持实时推理，使其适用于直播视频流和时间敏感型应用。

如需实施示例和实际应用，请探索 TrackZone 解决方案，以在特定区域内跟踪对象。

如何使用 Ultralytics YOLO26 统计特定类别的对象？

要使用 Ultralytics YOLO26 统计特定类别的对象，你需要在跟踪阶段指定感兴趣的类别。以下是一个 Python 示例：

import cv2

from ultralytics import solutions

def count_specific_classes(video_path, output_video_path, model_path, classes_to_count):
    """Count specific classes of objects in a video."""
    cap = cv2.VideoCapture(video_path)
    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 = cv2.VideoWriter(output_video_path, cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

    line_points = [(20, 400), (1080, 400)]
    counter = solutions.ObjectCounter(show=True, region=line_points, model=model_path, classes=classes_to_count)

    while cap.isOpened():
        success, im0 = cap.read()
        if not success:
            print("Video frame is empty or processing is complete.")
            break
        results = counter(im0)
        video_writer.write(results.plot_im)

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

count_specific_classes("path/to/video.mp4", "output_specific_classes.avi", "yolo26n.pt", [0, 2])

在此示例中，classes_to_count=[0, 2] 表示统计类别 0 和 2 的对象（例如 COCO 数据集中的人和车）。你可以在 COCO 数据集文档中找到有关类别索引的更多信息。

为什么在实时应用中应该使用 YOLO26 而不是其他对象检测模型？

相比于 Faster R-CNN、SSD 和之前的 YOLO 版本，Ultralytics YOLO26 具有以下优势：

速度与效率： YOLO26 提供实时处理能力，使其成为需要高速推理的应用（如监控和自动驾驶）的理想选择。
准确性： 它为对象检测和跟踪任务提供了最先进的准确性，减少了误报数量并提高了整体系统可靠性。
易于集成： YOLO26 可与各种平台和设备（包括移动设备和边缘设备）无缝集成，这对于现代 AI 应用至关重要。
灵活性： 支持多种任务，如对象检测、分割和跟踪，并提供可配置的模型以满足特定的用例需求。

查看 Ultralytics YOLO26 文档以深入了解其功能和性能对比。

我可以将 YOLO26 用于人群分析和交通管理等高级应用吗？

是的，由于其实时检测能力、可扩展性和集成灵活性，Ultralytics YOLO26 非常适合用于人群分析和交通管理等高级应用。其先进的功能允许在动态环境中进行高精度的对象跟踪、计数和分类。示例用例包括：

人群分析： 监控和管理大型集会，确保安全，并通过基于区域的计数优化人群流动。
交通管理： 跟踪和统计车辆、分析交通模式，并利用速度估算功能实时管理拥堵情况。
零售分析： 分析客户的移动模式和产品交互情况，以优化商店布局并改善客户体验。
工业自动化： 统计传送带上的产品并监控生产线，以进行质量控制和效率提升。

对于更专业的应用，请探索 Ultralytics 解决方案，其中包含一套专为现实世界计算机视觉挑战而设计的综合工具。

Contributors

RIRizwanMunawar²⁴ GLglenn-jocher²³ MAMatthewNoyce² PDpderrenger¹ LEleonnil¹ BUBurhan-Q¹ IVIvorZhu331¹ AYAyushExel¹

Created 2023年12月1日Updated 上周