使用对象计数Ultralytics YOLO11

Q: How do I count objects in a video using Ultralytics YOLO11?

要使用Ultralytics YOLO11 计数视频中的物体，可以按照以下步骤进行：下面是一个区域计数的简单示例：在 "对象计数 "部分探索更多配置和选项。

Q: What are the advantages of using Ultralytics YOLO11 for object counting?

使用Ultralytics YOLO11 进行对象计数有几个优点：有关实际应用和代码示例，请访问对象计数的优势部分。

Q: Why should I use YOLO11 over other object detection models for real-time applications?

Ultralytics YOLO11 与其他对象检测模型（如 Faster R-CNN、SSD 和以前的YOLO 版本）相比，具有多项优势：请查看Ultralytics YOLO11 文档，深入了解其功能和性能比较。

什么是对象计数？

使用 Ultralytics YOLO11YOLO11 在实时应用中表现出色，凭借其先进的算法和深度学习能力，可为人群分析和监控等各种场景提供高效、精确的物体计数。

观看： 使用对象计数Ultralytics YOLOv8

观看： 按类对象计数Ultralytics YOLO11

物体计数的优势？

资源优化：对象计数通过提供准确的计数和优化库存管理等应用中的资源分配，促进了高效的资源管理。
增强安全性：物体计数可准确跟踪和计数实体，有助于主动探测威胁，从而增强安全性和监控能力。
知情决策：物体计数为决策、优化零售、交通管理和其他各种领域的流程提供了宝贵的见解。

真实世界的应用

物流	水产养殖

使用传送带包装计数Ultralytics YOLO11	利用海洋数鱼Ultralytics YOLO11

使用YOLO11 进行对象计数示例

CLIPython

# Run a counting example
yolo solutions count show=True

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

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

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))

# Define region points
# region_points = [(20, 400), (1080, 400)]  # For line counting
region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360)]  # For rectangle region counting
# region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360), (20, 400)]  # For polygon region counting

# Video writer
video_writer = cv2.VideoWriter("object_counting_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init Object Counter
counter = solutions.ObjectCounter(
    show=True,  # Display the output
    region=region_points,  # Pass region points
    model="yolo11n.pt",  # model="yolo11n-obb.pt" for object counting using YOLO11 OBB model.
    # classes=[0, 2],  # If you want to count specific classes i.e person and car with COCO pretrained model.
    # show_in=True,  # Display in counts
    # show_out=True,  # Display out counts
    # line_width=2,  # Adjust the line width for bounding boxes and text display
)

# 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 = counter.count(im0)
    video_writer.write(im0)

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

论据 `ObjectCounter`

下面的表格显示了 ObjectCounter 争论：

名称	类型	默认值	说明
`model`	`str`	`None`	Ultralytics YOLO 模型文件的路径
`region`	`list`	`[(20, 400), (1260, 400)]`	定义计数区域的点列表。
`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。
`show_in`	`bool`	`True`	用于控制是否在视频流中显示输入计数的标志。
`show_out`	`bool`	`True`	用于控制是否在视频流中显示输出计数的标志。

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。

常见问题

如何使用Ultralytics YOLO11 计数视频中的物体？

要使用Ultralytics YOLO11 计数视频中的物体，可以按照以下步骤进行：

导入必要的程序库 (cv2, ultralytics).
定义计算区域（如多边形、直线等）。
设置视频捕捉并初始化对象计数器。
处理每个帧，以跟踪定义区域内的对象并对其进行计数。

下面是一个简单的区域计数示例：

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 video processing has been successfully completed.")
            break
        im0 = counter.count(im0)
        video_writer.write(im0)

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


count_objects_in_region("path/to/video.mp4", "output_video.avi", "yolo11n.pt")

在 "对象计数"部分探索更多配置和选项。

使用Ultralytics YOLO11 进行物体计数有哪些优势？

使用Ultralytics YOLO11 进行物体计数有几个优点：

资源优化：它通过提供精确的计数来促进有效的资源管理，帮助优化库存管理等行业的资源分配。
增强安全性：它通过准确跟踪和计算实体数量，帮助主动探测威胁，从而加强安全和监控。
知情决策：它为零售、交通管理等领域的决策和流程优化提供了宝贵的见解。

有关实际应用和代码示例，请访问对象计数的优势部分。

如何使用Ultralytics YOLO11 对特定类别的对象进行计数？

要使用Ultralytics YOLO11 统计特定类别的对象，您需要在跟踪阶段指定您感兴趣的类别。下面是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 video processing has been successfully completed.")
            break
        im0 = counter.count(im0)
        video_writer.write(im0)

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


count_specific_classes("path/to/video.mp4", "output_specific_classes.avi", "yolo11n.pt", [0, 2])