使用 Ultralytics YOLO26 进行排队管理 🚀

什么是排队管理？

使用 Ultralytics YOLO26 进行排队管理，涉及对人流或车流的组织和管控，以减少等待时间并提高效率。这旨在优化队列，从而改善零售、银行、机场和医疗设施等各种场景下的客户满意度和系统性能。

Watch: How to Build a Queue Management System with Ultralytics YOLO | Retail, Bank & Crowd Use Cases 🚀

排队管理的优势

减少等待时间： 排队管理系统能高效组织队列，最大限度地缩短客户等待时间。这能提升满意度，因为客户可以将更多时间用于体验产品或服务，而非排队。
提高效率： 实施排队管理使企业能更有效地分配资源。通过分析队列数据并优化人员部署，企业可以精简运营、降低成本并提高整体生产力。
实时洞察： 基于 YOLO26 的排队管理功能可提供关于队列长度和等待时间的即时数据，使管理者能够快速做出明智决策。
增强客户体验： 通过减少因长时间等待带来的沮丧情绪，企业可以显著提高客户满意度和忠诚度。

现实世界应用

物流	零售

使用 Ultralytics YOLO26 在机场售票柜台进行排队管理	使用 Ultralytics YOLO26 在人群中进行队列监控

使用 Ultralytics YOLO 进行排队管理

# Run a queue example
yolo solutions queue show=True

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

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

`QueueManager` 参数

以下是关于 QueueManager 参数的表格：

参数	类型	默认值	描述
`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。

QueueManagement 解决方案还支持一些 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，还提供以下可视化参数：

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。

实施策略

在使用 YOLO26 实施排队管理时，请考虑以下最佳实践：

战略性的摄像头布局： 将摄像头放置在能够无遮挡地拍摄整个队列区域的位置。
定义适当的队列区域： 根据你空间的物理布局仔细设置队列边界。
调整检测置信度： 根据光照条件和人群密度微调置信度阈值。
与现有系统集成： 将你的排队管理解决方案与数字标牌或员工通知系统连接，以实现自动响应。

常见问题 (FAQ)

我该如何使用 Ultralytics YOLO26 进行实时排队管理？

要使用 Ultralytics YOLO26 进行实时排队管理，你可以按照以下步骤操作：

使用 YOLO("yolo26n.pt") 加载 YOLO26 模型。
使用 cv2.VideoCapture 捕获视频流。
定义用于排队管理的感兴趣区域 (ROI)。
处理帧以检测对象并管理队列。

这是一个最小示例：

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)]

queuemanager = solutions.QueueManager(
    model="yolo26n.pt",
    region=queue_region,
    line_width=3,
    show=True,
)

while cap.isOpened():
    success, im0 = cap.read()
    if success:
        results = queuemanager(im0)

cap.release()
cv2.destroyAllWindows()

利用 Ultralytics Platform 可以简化此过程，为部署和管理你的排队管理解决方案提供一个用户友好的平台。

使用 Ultralytics YOLO26 进行排队管理的主要优势是什么？

使用 Ultralytics YOLO26 进行排队管理具有以下多项好处：

缩短等待时间： 高效组织队列，减少客户等待时间并提升满意度。
提升效率： 分析队列数据以优化人员配置和运营，从而降低成本。
实时警报： 提供长时间队列的实时通知，实现快速干预。
可扩展性： 易于扩展到零售、机场和医疗等不同环境。

更多详情，请探索我们的排队管理解决方案。

为什么我应该选择 Ultralytics YOLO26 而不是竞争对手，如 TensorFlow 或 Detectron2 来进行排队管理？

在排队管理方面，Ultralytics YOLO26 相较于 TensorFlow 和 Detectron2 具有几个优势：

实时性能： YOLO26 以其实时检测能力而闻名，提供更快的处理速度。
易用性： 通过 Ultralytics Platform，Ultralytics 提供了从训练到部署的用户友好体验。
预训练模型： 可以使用多种预训练模型，最大限度地减少设置所需的时间。
社区支持： 详尽的文档和活跃的社区支持使问题解决变得更加容易。

了解如何开始使用 Ultralytics YOLO。

Ultralytics YOLO26 能否处理多种类型的队列，例如机场和零售环境中的队列？

是的，Ultralytics YOLO26 可以管理多种类型的队列，包括机场和零售环境中的队列。通过配置具有特定区域和设置的 QueueManager，YOLO26 可以适应不同的队列布局和密度。

机场示例：

queue_region_airport = [(50, 600), (1200, 600), (1200, 550), (50, 550)]
queue_airport = solutions.QueueManager(
    model="yolo26n.pt",
    region=queue_region_airport,
    line_width=3,
)

有关不同应用的更多信息，请查看我们的实际应用部分。

Ultralytics YOLO26 在排队管理中有哪些实际应用？

Ultralytics YOLO26 被用于排队管理的各种实际应用中：

零售： 监控结账队列以缩短等待时间并提高客户满意度。
机场： 管理售票柜台和安检处的队列，以提供更顺畅的乘客体验。
医疗： 优化诊所和医院的患者流向。
银行： 通过高效管理银行队列来增强客户服务。

查看我们的关于实际排队管理的博客，了解更多关于计算机视觉如何改变跨行业队列监控的信息。

Contributors

RIRizwanMunawar¹⁴ GLglenn-jocher¹¹ MAMatthewNoyce² IVIvorZhu331¹ BUBurhan-Q¹

Created 2024年4月2日Updated 上周