Ultralytics 解决方案：利用 YOLO26 解决现实世界中的问题

Ultralytics 解决方案提供了 YOLO 模型的前沿应用，带来了诸如目标计数、模糊处理和安防系统等实际解决方案，提升了各行各业的效率和 accuracy。探索 YOLO26 在实用且具有影响力方面的实现能力。

解决方案

这是我们整理的 Ultralytics 解决方案列表，可用于构建出色的 computer vision 项目。

• Analytics：进行全面的数据分析以发现模式并做出明智决策，利用 YOLO26 进行描述性、预测性和指导性分析。
• Distance Calculation：使用 YOLO26 中 bounding box 的中心点来计算对象之间的距离，这对空间分析至关重要。
• Heatmaps：利用检测热图可视化矩阵中的数据强度，为计算机视觉任务提供清晰的见解。
• Instance Segmentation with Object Tracking：通过 YOLO26 实现 instance segmentation 和对象跟踪，以获取精确的对象边界和连续监控。
• Live Inference with Streamlit：借助用户友好的 Streamlit 界面，通过网页浏览器直接利用 YOLO26 的强大功能进行实时 object detection。
• Object Blurring：在图像和视频处理中使用 YOLO26 进行对象模糊处理，以保护隐私。
• Object Counting：学习如何使用 YOLO26 进行实时目标计数。掌握在实时视频流中准确计数对象的专业知识。
• Object Counting in Regions：使用 YOLO26 在特定区域内对对象进行计数，以在不同场景中实现精确检测。
• Object Cropping：掌握使用 YOLO26 进行对象裁剪，以从图像和视频中精确提取对象。
• Parking Management：使用 YOLO26 组织和引导停车区域的车辆流动，优化空间利用率和用户体验。
• Queue Management：使用 YOLO26 实施高效的排队管理系统，以最大限度地减少等待时间并提高生产力。
• Security Alarm System：使用 YOLO26 创建一个安全警报系统，在检测到新对象时触发警报。自定义系统以满足你的具体需求。
• Similarity Search：通过将 OpenAI CLIP 嵌入与 Meta FAISS 相结合，实现智能图像检索，支持如“拿着包的人”或“移动中的车辆”等自然语言查询。
• Speed Estimation：使用 YOLO26 和对象跟踪技术估算对象速度，这对于自动驾驶车辆和交通监控等应用至关重要。
• Track Objects in Zone：学习如何使用 YOLO26 在视频帧的特定区域内跟踪对象，以实现精确高效的监控。
• VisionEye View Objects Mapping：开发模仿人眼聚焦于特定对象的系统，增强计算机识别和优先处理细节的能力。
• Workouts Monitoring：了解如何使用 YOLO26 监控锻炼。学习实时跟踪和分析各种健身动作。

解决方案参数

使用 SolutionAnnotator

所有 Ultralytics 解决方案都使用单独的 SolutionAnnotator 类，该类扩展了主 Annotator 类，并具有以下方法：

使用 SolutionResults

除 Similarity Search 外，每个解决方案调用都会返回一个 SolutionResults 对象列表。

• 对于对象计数，结果包含 in_count、out_count 和 classwise_count。

import cv2

from ultralytics import solutions

im0 = cv2.imread("path/to/img")

region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360)]

counter = solutions.ObjectCounter(
    show=True,  # display the output
    region=region_points,  # pass region points
    model="yolo26n.pt",  # model="yolo26n-obb.pt" for object counting with OBB model.
    # classes=[0, 2],  # count specific classes i.e. person and car with COCO pretrained model.
    # tracker="botsort.yaml"  # Choose trackers i.e "bytetrack.yaml"
)
results = counter(im0)
print(results.in_count)  # display in_counts
print(results.out_count)  # display out_counts
print(results.classwise_count)  # display classwise_count

SolutionResults 对象具有以下属性：

更多详情，请参考 SolutionResults 类文档。

通过 CLI 使用解决方案

yolo solutions count show=True # for object counting

yolo solutions count source="path/to/video.mp4" # specify video file path

为我们的解决方案做出贡献

我们欢迎社区做出贡献！如果你精通 Ultralytics YOLO 的某个特定方面，而我们的解决方案尚未涵盖，我们鼓励你分享你的专业知识。撰写指南是回馈社区并帮助我们使文档更加全面和易于使用的好方法。

要开始贡献，请阅读我们的 贡献指南，了解如何提交 Pull Request (PR) 🛠️ 的相关准则。我们期待你的贡献！

让我们共同努力，使 Ultralytics YOLO 生态系统更加强大和通用 🙏！

常见问题 (FAQ)

我该如何使用 Ultralytics YOLO 进行实时目标计数？

Ultralytics YOLO26 可以通过利用其先进的目标检测能力进行实时目标计数。你可以按照我们的 目标计数 详细指南来设置 YOLO26 进行实时视频流分析。只需安装 YOLO26，加载你的模型，并处理视频帧即可动态计数目标。

使用 Ultralytics YOLO 用于安防系统有什么好处？

Ultralytics YOLO26 通过提供实时目标检测和警报机制增强了安防系统。通过使用 YOLO26，你可以创建一个安防报警系统，当监控区域内检测到新目标时触发警报。了解如何使用 YOLO26 设置 安防报警系统 以实现强大的安全监控。

Ultralytics YOLO 如何改善排队管理系统？

Ultralytics YOLO26 可以通过精确计数和跟踪排队人数，从而帮助减少等待时间和优化服务效率，显著改善排队管理系统。遵循我们关于 排队管理 的详细指南，了解如何实现 YOLO26 以进行有效的排队监控和分析。

Ultralytics YOLO 能用于锻炼监控吗？

是的，Ultralytics YOLO26 可以通过实时跟踪和分析健身动作有效地用于锻炼监控。这允许对锻炼姿势和表现进行精确评估。探索我们的 锻炼监控 指南，了解如何使用 YOLO26 搭建基于 AI 的锻炼监控系统。

Ultralytics YOLO 如何帮助创建用于 数据可视化 的热图？

Ultralytics YOLO26 可以生成热图以可视化给定区域内的数据强度，突出显示高活动或高关注度区域。此功能对于理解各种计算机视觉任务中的模式和趋势特别有用。了解更多关于使用 YOLO26 创建和使用 热图 的信息，以进行全面的数据分析和可视化。