Link to this section使用 Ultralytics YOLO26 进行队列管理 🚀#

Link to this section什么是队列管理？#

使用 Ultralytics YOLO26 进行队列管理涉及组织和控制人员或车辆的队列，以减少等待时间并提高效率。其核心在于优化队列，从而在零售、银行、机场和医疗设施等各种环境中提升客户满意度和系统性能。

Watch: How to Build a Queue Management System with Ultralytics YOLO26 | Real-Time Queue Analytics 🚀

Link to this section队列管理的优势#

减少等待时间： 队列管理系统可以高效地组织队列，最大限度地缩短客户的等待时间。这有助于提高客户满意度，因为客户可以将更少的时间花在排队上，而有更多时间去了解产品或服务。
提高效率： 实施队列管理使企业能够更有效地分配资源。通过分析队列数据并优化员工配置，企业可以精简运营、降低成本并提高整体生产力。
实时见解： 由 YOLO26 驱动的队列管理系统可提供有关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的决策。
增强客户体验： 通过减少与长时间排队相关的挫败感，企业可以显著提高客户满意度和忠诚度。

Link to this section现实世界应用#

物流	零售

使用 Ultralytics YOLO26 进行机场售票柜台队列管理	使用 Ultralytics YOLO26 进行人群队列监控

Link to this section使用 YOLO26 管理队列#

QueueManager 解决方案可以计算每一帧中保留在指定区域内的对象数量，从而为你提供可写入输出视频的实时队列长度。只需传入一个覆盖等候区域的多边形区域，然后通过 Python API 或 CLI 在视频源上运行它即可。

使用 Ultralytics YOLO 进行队列管理

# 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)]"

Link to this section`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` 或 `dict`	`None`	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（仅适用于 `RegionCounter`）。当为 `None` 时，需要区域的解决方案将回退到预定义的默认值。

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'`	指定要使用的追踪算法。内置选项包括：`botsort.yaml`、`bytetrack.yaml`、`ocsort.yaml`、`deepocsort.yaml`、`fasttrack.yaml`、`tracktrack.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的对象，但也可能包含误报。
`iou`	`float`	`0.7`	设置用于过滤重叠检测的交并比 (IoU) 阈值。
`classes`	`list`	`None`	按类别索引过滤结果。例如，`classes=[0, 2, 3]` 仅跟踪指定的类别。
`verbose`	`bool`	`True`	控制跟踪结果的显示，提供被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`）。允许用户在 CPU、特定的 GPU 或其他计算设备之间进行选择以执行模型。

此外，还提供了以下可视化参数：

参数	类型	默认值	描述
`show`	`bool`	`False`	如果为 `True`，则在窗口中显示标注后的图像或视频。这对于开发或测试过程中的即时视觉反馈非常有用。
`line_width`	`int or None`	`None`	指定边界框的线条宽度。如果为 `None`，则线条宽度会根据图像尺寸自动调整。提供用于清晰度的视觉自定义功能。
`show_conf`	`bool`	`True`	在标签旁显示每次检测的置信度得分。让你深入了解模型对每次检测的确定性。
`show_labels`	`bool`	`True`	在视觉输出中显示每次检测的标签。提供对检测到对象的即时理解。

Link to this section实施策略#

在使用 YOLO26 实施队列管理时，请考虑以下最佳实践：

战略性摄像机布置： 调整摄像机位置，以捕捉整个队列区域，确保视野无遮挡。
定义合适的队列区域： 根据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： 将你的队列管理解决方案与数字标牌或员工通知系统相连，实现自动响应。

Link to this section常见问题解答#

Link to this section如何使用 Ultralytics YOLO26 进行实时队列管理？#

要使用 Ultralytics YOLO26 进行实时队列管理，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 捕捉视频流。
定义队列管理的感兴趣区域 (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 可以简化这一流程，它为你部署和管理队列管理解决方案提供了一个用户友好的平台。