使用Ultralytics YOLOv8 进行队列管理 🚀

什么是队列管理？

使用队列管理 Ultralytics YOLOv8队列管理涉及组织和控制排队的人员或车辆，以减少等待时间并提高效率。在零售、银行、机场和医疗保健设施等各种环境中，它涉及优化队列，以提高客户满意度和系统性能。

队列管理的优势？

减少等待时间：队列管理系统能有效地组织队列，最大限度地减少客户的等待时间。这将提高客户满意度，因为客户可以减少等待时间，有更多时间使用产品或服务。
提高效率：实施队列管理可使企业更有效地分配资源。通过分析排队数据和优化人员部署，企业可以简化运营、降低成本并提高整体生产率。

真实世界的应用

物流	零售

机场售票柜台的队列管理使用Ultralytics YOLOv8	人群中的队列监控Ultralytics YOLOv8

队列管理使用YOLOv8 示例

队列管理器队列管理器特定类

import cv2
from ultralytics import YOLO
from ultralytics.solutions import queue_management

model = YOLO("yolov8n.pt")
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))

video_writer = cv2.VideoWriter("queue_management.avi",
                               cv2.VideoWriter_fourcc(*'mp4v'),
                               fps,
                               (w, h))

queue_region = [(20, 400), (1080, 404), (1080, 360), (20, 360)]

queue = queue_management.QueueManager()
queue.set_args(classes_names=model.names,
               reg_pts=queue_region,
               line_thickness=3,
               fontsize=1.0,
               region_color=(255, 144, 31))

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

    if success:
        tracks = model.track(im0, show=False, persist=True,
                             verbose=False)
        out = queue.process_queue(im0, tracks)

        video_writer.write(im0)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
        continue

    print("Video frame is empty or video processing has been successfully completed.")
    break

cap.release()
cv2.destroyAllWindows()

import cv2
from ultralytics import YOLO
from ultralytics.solutions import queue_management

model = YOLO("yolov8n.pt")
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))

video_writer = cv2.VideoWriter("queue_management.avi",
                               cv2.VideoWriter_fourcc(*'mp4v'),
                               fps,
                               (w, h))

queue_region = [(20, 400), (1080, 404), (1080, 360), (20, 360)]

queue = queue_management.QueueManager()
queue.set_args(classes_names=model.names,
               reg_pts=queue_region,
               line_thickness=3,
               fontsize=1.0,
               region_color=(255, 144, 31))

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

    if success:
        tracks = model.track(im0, show=False, persist=True,
                             verbose=False, classes=0)  # Only person class
        out = queue.process_queue(im0, tracks)

        video_writer.write(im0)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
        continue

    print("Video frame is empty or video processing has been successfully completed.")
    break

cap.release()
cv2.destroyAllWindows()

可选参数 `set_args`

名称	类型	默认值	说明
`view_img`	`bool`	`False`	显示带有计数的帧
`view_queue_counts`	`bool`	`True`	仅在视频帧上显示队列计数
`line_thickness`	`int`	`2`	增加边界框厚度
`reg_pts`	`list`	`[(20, 400), (1260, 400)]`	定义区域面积的点
`classes_names`	`dict`	`model.model.names`	类名词典
`region_color`	`RGB Color`	`(255, 0, 255)`	计数区域或线条对象的颜色
`track_thickness`	`int`	`2`	跟踪线的厚度
`draw_tracks`	`bool`	`False`	启用绘制轨迹线
`track_color`	`RGB Color`	`(0, 255, 0)`	每条轨道线的颜色
`count_txt_color`	`RGB Color`	`(255, 255, 255)`	对象计数文本的前景色
`region_thickness`	`int`	`5`	对象计数器区域或线条的厚度
`fontsize`	`float`	`0.6`	计数文本的字体大小

论据 `model.track`

名称	类型	默认值	说明
`source`	`im0`	`None`	图像或视频的源目录
`persist`	`bool`	`False`	帧与帧之间的持久轨迹
`tracker`	`str`	`botsort.yaml`	跟踪方法 "bytetrack "或 "botsort
`conf`	`float`	`0.3`	置信度阈值
`iou`	`float`	`0.5`	借据阈值
`classes`	`list`	`None`	按类别筛选结果，即 classes=0，或 classes=[0,2,3]
`verbose`	`bool`	`True`	显示物体跟踪结果

创建于 2024-04-02，更新于 2024-04-02
作者：Burhan-Q(1)、RizwanMunawar(1)

评论