使用 Ultralytics YOLO11 的 VisionEye 视图对象映射 🚀

什么是 VisionEye Object Mapping？

Ultralytics YOLO11 VisionEye 使计算机能够识别和精确定位对象，模拟人眼的观察精度。此功能使计算机能够辨别和专注于特定对象，就像人眼从特定视点观察细节的方式一样。

# 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]"

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("visioneye_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize vision eye object
visioneye = solutions.VisionEye(
    show=True,  # display the output
    model="yolo11n.pt",  # use any model that Ultralytics support, i.e, YOLOv10
    classes=[0, 2],  # generate visioneye view for specific classes
    vision_point=(50, 50),  # the point, where vision will view objects and draw tracks
)

# 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

VisionEye 参数

这是一个包含以下内容的表格 VisionEye 参数：

您还可以使用各种 track 内的参数 VisionEye 解决方案：

此外，还支持一些可视化参数，如下所示：

VisionEye 的工作原理

VisionEye 的工作原理是在帧中建立一个固定的视觉点，并从该点绘制到检测到的对象。这模拟了人类视觉如何从单个视点关注多个对象。该解决方案使用对象跟踪来保持跨帧对象识别的一致性，从而创建观察者（视觉点）和场景中对象之间空间关系的可视化表示。

字段 process VisionEye 类中的 方法执行几个关键操作：

1. 从输入图像中提取轨迹（边界框、类别和掩码）
2. 创建一个注释器以绘制边界框和标签
3. 对于每个检测到的对象，绘制一个框标签并从视觉点创建一个视觉线
4. 返回带有跟踪统计信息的带注释图像

这种方法对于需要空间感知和对象关系可视化的应用（如监控系统、自主导航和交互式装置）特别有用。

VisionEye 的应用

VisionEye 对象映射在各个行业中具有许多实际应用：

• 安全与监控：从固定的摄像机位置监控多个感兴趣的对象
• 零售分析：跟踪客户相对于商店陈列的移动模式
• 体育分析：从教练的角度分析球员的站位和移动
• 自动驾驶车辆： 可视化车辆如何“看到”并优先处理其环境中的物体
• 人机交互：创建对空间关系做出反应的更直观的界面

通过将 VisionEye 与其他 Ultralytics 解决方案（如距离计算或速度估计）相结合，您可以构建全面的系统，不仅可以跟踪对象，还可以了解它们的空间关系和行为。

注意

如有任何疑问，请随时在 Ultralytics Issue Section 或下面提到的讨论区中发布您的问题。

常见问题

如何开始将 VisionEye Object Mapping 与 Ultralytics YOLO11 结合使用？

要开始将 VisionEye 对象映射与 Ultralytics YOLO11 结合使用，首先需要通过 pip 安装 Ultralytics YOLO 包。然后，您可以使用文档中提供的示例代码来设置 对象检测 与 VisionEye 的结合使用。以下是一个简单的入门示例：

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="yolo11n.pt",  # use any model that Ultralytics support, i.e, 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 YOLO11 进行对象映射和跟踪？

Ultralytics YOLO11 以其速度、准确性和易于集成而闻名，使其成为对象映射和跟踪的首选。主要优势包括：

1. 最先进的性能：在实时对象检测中提供高精度。
2. 灵活性: 支持各种任务，例如检测、跟踪和距离计算。
3. 社区与支持 (Community and Support): 丰富的文档和活跃的 GitHub 社区，用于问题排查和功能增强。
4. 易于使用：直观的 API 简化了复杂任务，从而可以快速部署和迭代。

有关应用和优势的更多信息，请查看 Ultralytics YOLO11 文档。

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

Ultralytics YOLO11 可以与各种机器学习工具（如 Comet 和 ClearML）无缝集成，从而增强实验跟踪、协作和可重复性。请按照关于如何将 YOLOv5 与 Comet 结合使用以及将 YOLO11 与 ClearML 集成的详细指南开始使用。

如需进一步探索和集成示例，请查看我们的Ultralytics 集成指南。

📅 创建于 1 年前 ✏️ 更新于 4 个月前

评论