使用 Ultralytics YOLO26 进行 VisionEye 视图对象映射 🚀

什么是 VisionEye 对象映射？

Ultralytics YOLO26 VisionEye 赋予了计算机识别和定位对象的能力，模拟了人眼的观察精度。此功能使计算机能够像人眼从特定视点观察细节一样，辨别并聚焦于特定对象。

VisionEye object mapping with YOLO tracking

使用 Ultralytics YOLO 进行 VisionEye 映射

# Monitor objects position with visioneye
yolo solutions visioneye show=True

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

# Monitor the specific classes
yolo solutions visioneye classes="[0, 5]"

`VisionEye` 参数

下表列出了 VisionEye 的参数：

参数	类型	默认值	描述
`model`	`str`	`None`	Ultralytics YOLO 模型文件的路径。
`vision_point`	`tuple[int, int]`	`(20, 20)`	使用 VisionEye 解决方案追踪对象并绘制路径的点。

You can also utilize various track arguments within the VisionEye solution:

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，还支持一些可视化参数，如下所示：

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。

VisionEye 的工作原理

VisionEye 通过在帧中建立一个固定的视点，并从该点向检测到的对象绘制线条来工作。这模拟了人眼如何从单个视点聚焦于多个对象。该解决方案使用对象追踪来保持对象在帧之间的持续识别，从而创建观察者（视点）与场景中对象之间空间关系的视觉呈现。

VisionEye 类中的 process 方法执行几个关键操作：

从输入图像中提取追踪结果（边界框、类别和掩码）
创建一个标注器来绘制边界框和标签
对于每个检测到的对象，绘制一个框标签并从视点创建一条视觉线
返回带有追踪统计数据的标注图像

这种方法对于需要空间感知和对象关系可视化的应用特别有用，例如监控系统、自动导航和交互式安装。

VisionEye 的应用

VisionEye 对象映射在各个行业都有许多实际应用：

安全与监控：从固定相机位置监控多个目标对象
零售分析：追踪顾客移动模式与商店陈列的关系
体育分析：从教练的视角分析运动员的站位和移动
自动驾驶车辆：可视化车辆如何“观察”并优先处理环境中的对象
人机交互：创建能响应空间关系的更直观界面

通过将 VisionEye 与其他 Ultralytics 解决方案（如距离计算或速度估计）结合使用，你可以构建出不仅能追踪对象，还能理解其空间关系和行为的综合系统。

注意

如有任何疑问，欢迎在 Ultralytics 问题板块或下方提到的讨论区提问。

常见问题 (FAQ)

如何开始使用 Ultralytics YOLO26 进行 VisionEye 对象映射？

要开始使用 Ultralytics YOLO26 进行 VisionEye 对象映射，首先，你需要通过 pip 安装 Ultralytics YOLO 包。然后，你可以使用文档中提供的示例代码来设置 VisionEye 对象检测。这是一个让你入门的简单示例：

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
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("vision-eye-mapping.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init vision eye object
visioneye = solutions.VisionEye(
    show=True,  # display the output
    model="yolo26n.pt",  # use any model that Ultralytics supports, e.g., YOLOv10
    classes=[0, 2],  # generate visioneye view for specific classes
)

# 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

    results = visioneye(im0)

    print(results)  # access the output

    video_writer.write(results.plot_im)  # write the video file

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

为什么我应该使用 Ultralytics YOLO26 进行对象映射和追踪？

Ultralytics YOLO26 以其速度、准确性和易于集成的特性而闻名，使其成为对象映射和追踪的首选。主要优势包括：

最先进的性能：提供高精度的实时对象检测。
灵活性：支持检测、追踪和距离计算等各种任务。
社区与支持：拥有广泛的文档和活跃的 GitHub 社区以进行故障排除和功能增强。
易用性：直观的 API 简化了复杂任务，支持快速部署和迭代。

有关应用和优势的更多信息，请查看 Ultralytics YOLO26 文档。

如何将 VisionEye 与其他机器学习工具（如 Comet 或 ClearML）集成？

Ultralytics YOLO26 可以与 Comet 和 ClearML 等各种机器学习工具无缝集成，从而增强实验追踪、协作和可重复性。请参考如何使用 YOLOv5 与 Comet 以及集成 YOLO26 与 ClearML 的详细指南以开始使用。

如需进一步探索和查看集成示例，请访问我们的 Ultralytics 集成指南。

Contributors

GLglenn-jocher²¹ RIRizwanMunawar⁵ RAraimbekovm¹ MAMatthewNoyce¹ IVIvorZhu331¹

Created 2023年12月18日Updated 上周