Ultralytics YOLO27：
Get Started

使用 Ultralytics YOLO26 进行排队管理#

什么是排队管理？#

Open Queue Management In Colab

使用 Ultralytics YOLO26 进行排队管理，意味着对人群或车辆队列进行组织和管控，以缩短等待时间并提高效率。这项工作的重点是优化队列，从而提升客户满意度和系统性能，适用于零售店、银行、机场和医疗机构等各种场景。



观看： 如何使用 Ultralytics YOLO26 构建排队管理系统 | 实时队列分析 🚀

排队管理的优势#

  • 缩短等待时间：排队管理系统能够高效组织队列，尽可能缩短客户的等待时间。客户等待更少、体验产品或服务的时间更多，因此满意度也会提高。
  • 提高效率：实施排队管理有助于企业更有效地分配资源。通过分析队列数据并优化人员部署，企业可以简化运营、降低成本并提高整体生产力。
  • 实时洞察：由 YOLO26 驱动的排队管理系统可即时提供队列长度和等待时间数据，帮助管理人员迅速做出明智决策。
  • 提升客户体验：通过减少长时间等待带来的挫败感，企业可以显著提高客户满意度和忠诚度。

实际应用#

物流零售
使用 Ultralytics YOLO26 管理机场售票柜台排队使用 Ultralytics YOLO26 监控人群排队情况
使用 Ultralytics YOLO26 管理机场售票柜台排队使用 Ultralytics YOLO26 监控人群排队情况

使用 YOLO26 管理队列#

QueueManager 解决方案会逐帧统计定义区域内的对象，让你获得实时队列长度，并将其写入输出视频。传入一个覆盖等待区域的多边形区域，然后使用 Python API 或 CLI 在视频源上运行该方案。

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#

下面是 QueueManager 参数表：

参数类型默认值说明
modelstrNoneUltralytics YOLO 模型文件的路径。
regionlist 或 dictNone定义感兴趣区域的点，可以是 (x, y) 元组列表，也可以是将区域名称映射到点列表的字典（仅支持多个 RegionCounter 区域）。如果为 None，则需要区域的解决方案会退回到预定义的默认区域。
line_widthint2解决方案绘制的框、关键点和计数的线条粗细。
verboseboolTrue启用逐帧日志，记录输入形状、类别计数和处理速度。跟踪调用本身始终不会输出日志。

QueueManager 解决方案还支持 track 参数：

参数类型默认值说明
trackerstr'tracktrack.yaml'指定要使用的跟踪算法。内置选项：botsort.yaml、bytetrack.yaml、ocsort.yaml、deepocsort.yaml、fasttrack.yaml、tracktrack.yaml。
conffloat0.25设置检测的置信度阈值；较低的值允许跟踪更多物体，但可能会包含误检。
ioufloat0.7设置用于筛除重叠检测结果的交并比 (IoU) 阈值。
classeslistNone按类别索引筛选结果。例如，classes=[0, 2, 3] 只跟踪指定类别。
devicestrNone指定推理设备（例如 cpu、cuda:0 或 0）。用户可以选择 CPU、特定 GPU 或其他计算设备来运行模型。
imgszint or tuple640目标推理图像尺寸：正方形图像使用整数，或使用 (height, width) 对。图像尺寸会调整为模型步幅的整数倍。
max_detint300跟踪前每帧保留的最大检测数量，用于限制解决方案在密集场景中处理的物体数量。
quantizeint or strNone推理精度：对于非 CPU 上运行的 PyTorch 和 TorchScript 模型，使用 16 (FP16) 或 32/unset (FP32) 进行选择；其他格式使用其模型文件和运行时所选的精度。此参数替代已弃用的 half 参数。

此外，还提供以下可视化参数：

参数类型默认值说明
showboolFalse如果 True，则在窗口中显示带标注的图像或视频。适用于在开发或测试期间即时查看结果。
show_confboolTrue在每个检测结果的标签旁显示置信度分数，帮助了解模型对该检测结果的确信程度。
show_labelsboolTrue在可视化输出中显示每个检测结果的标签，便于立即了解检测到的对象。

实施策略#

使用 YOLO26 实施排队管理时，请考虑以下最佳实践：

  1. 合理布置摄像头：调整摄像头位置，确保完整拍摄队列区域且不受遮挡。
  2. 定义合适的队列区域：根据场地的实际布局，仔细设定队列边界。
  3. 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。
  4. 与现有系统集成：将排队管理解决方案连接到数字标牌或员工通知系统，以实现自动响应。

常见问题#

  • 要使用 Ultralytics YOLO26 实现实时排队管理，可以按以下步骤操作：

    1. 使用 cv2.VideoCapture 捕获视频流。
    2. 为排队管理定义感兴趣区域 (ROI)。
    3. 使用 YOLO26 模型（例如 yolo26n.pt）和该区域初始化 solutions.QueueManager。
    4. 处理视频帧以检测对象并管理队列。

    下面是一个精简示例：

    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 not success:
        break
    results = queuemanager(im0)

cap.release()
cv2.destroyAllWindows()

    借助 Ultralytics Platform，你可以通过易用的平台训练和部署排队管理解决方案所需的模型，从而简化这一流程。

  • 使用 Ultralytics YOLO26 进行排队管理有多项优势：

    • 大幅缩短等待时间：高效组织队列，减少客户等待时间并提升满意度。
    • 提高效率：分析队列数据，以优化人员部署和运营，从而降低成本。
    • 实时洞察：逐帧提供实时队列人数统计，队列变长时便于及时介入。
    • 可扩展性：可轻松扩展到零售店、机场和医疗机构等不同环境。

    如需了解详情，请查看我们的排队管理解决方案。

  • 在排队管理方面，Ultralytics YOLO26 相较于 TensorFlow 和 Detectron2 有多项优势：

    • 实时性能：YOLO26 以实时检测能力著称，处理速度更快。
    • 易于使用：通过 Ultralytics Platform，Ultralytics 从模型训练到部署都提供了简单易用的体验。
    • 预训练模型：可使用多种预训练模型，缩短设置所需时间。
    • 社区支持：丰富的文档和活跃的社区支持，让问题解决更加轻松。

    了解如何开始使用 Ultralytics YOLO。

  • 可以，Ultralytics YOLO26 能够管理多种类型的队列，包括机场和零售环境中的队列。通过为 QueueManager 配置特定区域和设置，YOLO26 可以适应不同的队列布局和密度。

    机场场景示例：

    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,
)

    如需了解更多不同场景下的应用，请查看我们的现实世界应用部分。

  • Ultralytics YOLO26 用于各种现实世界的排队管理场景：

    • 零售：监控结账队列，以缩短等待时间并提升客户满意度。
    • 机场：管理售票柜台和安检处的队列，让乘客出行更加顺畅。
    • 医疗保健：优化诊所和医院的患者流动。
    • 银行：通过高效管理银行内的队列来提升客户服务。

    查看我们的现实场景中的排队管理博客，了解计算机视觉如何改变各行业的队列监控。

贡献者
RIRizwanMunawar15GLglenn-jocher13RAraimbekovm5MAMatthewNoyce2IVIvorZhu3311BUBurhan-Q1

评论