Подсчёт объектов в заданных областях с помощью Ultralytics YOLO11

Подсчёт объектов может показаться простой задачей, но в оживлённых местах — например, на дорогах, в магазинах или на складах — она быстро превращается в серьёзную проблему. Долгое время объекты считали в основном вручную: часами подсчитывали автомобили, отслеживали поток посетителей в магазинах или контролировали перемещения в целях безопасности. Такой подход требует много времени, подвержен ошибкам и плохо масштабируется.

Здесь на помощь приходит искусственный интеллект (AI), а точнее, компьютерное зрение. Компьютерное зрение — это область ИИ, которая занимается обработкой визуальных данных подобно тому, как это делает человек. Одно из ключевых применений компьютерного зрения — подсчёт объектов, позволяющий автоматически обнаруживать и отслеживать объекты в заданной области.

Обычно при подсчёте объектов определяется лишь их общее количество, но не их расположение. Для этого используют подсчёт по областям: он учитывает конкретные зоны изображения, даёт более подробные данные и помогает содержательнее отслеживать перемещения.

Ultralytics YOLO11 — модель компьютерного зрения, которая поддерживает различные задачи, например обнаружение и отслеживание объектов. Эти возможности можно использовать для подсчёта объектов в заданных областях. В этой статье мы расскажем, как применять Ultralytics YOLO11 для подсчёта объектов в пределах области, рассмотрим реальные варианты использования и основные преимущества. Начнём!

Обзор подсчёта объектов в областях#

Обнаружение и подсчёт объектов на изображении дают лишь часть необходимой информации. Особенно это заметно в таких местах, как аэропорты и торговые центры, где люди могут одновременно находиться в нескольких областях кадра. Гораздо важнее знать, где именно находятся объекты и сколько из них проходит через определённые зоны.

Модели компьютерного зрения, например Ultralytics YOLO11, можно легко использовать для таких задач компьютерного зрения. Если задать зоны в ключевых местах, например у выходов на посадку или в залах ожидания, YOLO11 сможет подсчитывать только объекты в выбранной области. Перемещаемые зоны также позволяют в реальном времени подсчитывать объекты в разных областях.

Рис. 1. Пример подсчёта игроков в спорте по заданным областям с помощью YOLO.

Ultralytics YOLO11 упрощает этот процесс и делает его эффективнее. Модель помогает обнаруживать объекты, отслеживать их перемещения и подсчитывать их в зависимости от того, в какие зоны они входят или из каких выходят. Особенно полезна YOLO11 тем, что выдаёт результаты в реальном времени, не жертвуя точностью. Она также поддерживает отслеживание нескольких объектов в каждой заданной зоне, помогая системам одновременно подсчитывать и классифицировать самые разные объекты.

Использование Ultralytics YOLO11 для подсчёта объектов в зонах#

Ultralytics предлагает простые в использовании решения, демонстрирующие практические варианты применения моделей YOLO. Среди них — подсчет объектов, подсчет объектов в перемещаемых областях, размытие и оценка скорости.

Настроить и запустить решение Ultralytics для подсчета объектов в заданных областях просто. Благодаря этому пользователи могут сосредоточиться на выводах, а не на сложной настройке.

В основе решения для подсчёта объектов в зонах лежит Ultralytics YOLO11, который обнаруживает объекты в каждом кадре видео. Затем результаты обнаружения передаются алгоритму отслеживания (например, BoT-SORT или ByteTrack), чтобы присвоить каждому объекту постоянный идентификатор во всех кадрах.

После обнаружения и отслеживания объектов система проверяет, пересекаются ли они с заранее заданными зонами (многоугольниками, прямоугольниками или линиями). Если пересекаются, система учитывает объекты при входе в эти зоны или перемещении по ним.

Вот ещё несколько ключевых возможностей решения Ultralytics для подсчёта объектов в зонах:

• Быстрая обработка: решение позволяет считать объекты в реальном времени с помощью Ultralytics YOLO11, обеспечивая быстрый и эффективный анализ видеопотоков.
• Настраиваемые зоны: пользователи могут задавать отдельные зоны в кадре видео с помощью многоугольников, прямоугольников или линий, точно определяя области подсчёта.
• Подсчёт нескольких объектов: система может одновременно обнаруживать и считать объекты разных типов в одной заданной зоне.
• Простая интеграция: интегрировать решение в существующие системы просто с помощью Python API Ultralytics или интерфейса командной строки — достаточно минимальной настройки.

Практическое применение подсчёта объектов в зонах#

Чтобы начать работу с решением Ultralytics для подсчёта объектов в зонах, загляни в официальную документацию Ultralytics: в ней пошагово описано, как использовать YOLO11 для подсчёта объектов в зонах.

Если при настройке решения возникнут проблемы, учти несколько советов:

• Убедись, что пакет Ultralytics Python установлен правильно. Загляни в руководство по устранению неполадок в официальной документации.
• Проверь настройки зон и убедись, что заданные зоны правильно настроены в интерфейсе.
• Проверяй обновления и новые версии и поддерживай пакет Ultralytics Python в актуальном состоянии.

Практическое применение подсчёта объектов в зонах#

Теперь, когда мы лучше понимаем, как использовать Ultralytics YOLO11 для подсчёта объектов в зонах, рассмотрим несколько практических сценариев применения.

Отслеживание потока покупателей для аналитики розничной торговли#

Подсчёт объектов в зонах помогает быстро понять, где покупатели проводят больше всего времени в магазине. Ultralytics YOLO11 позволяет ритейлерам отслеживать перемещения в ключевых местах, например у выходов, касс и отделов с популярными товарами. В отличие от простого измерения общего потока посетителей, этот подход показывает, сколько покупателей посещает конкретные зоны.

Решение Ultralytics помогает ритейлерам обходиться без ручного программирования и сложной настройки. Ритейлеры могут легко обозначить разные участки магазина с помощью многоугольников, прямоугольников или линий, чтобы отслеживать перемещения покупателей и поток посетителей.

Затем Ultralytics YOLO11 обнаруживает объекты, отслеживает их перемещения и обновляет счётчики в реальном времени, когда люди входят в эту зону или покидают её. Это помогает ритейлерам понимать потоки покупателей, оценивать вовлечённость и принимать решения на основе данных.

Рис. 2. Подсчёт людей перед магазином с помощью YOLO и обнаружения объектов в заданной зоне.

Управление дорожным движением на пунктах взимания платы#

Городские улицы всегда заполнены транспортом: автомобили выезжают на шоссе, останавливаются на светофорах и выстраиваются в очереди на оживлённых перекрёстках. Управление движением крайне важно для безопасности на дорогах и бесперебойного транспортного потока.

Подсчёт объектов в зонах с помощью Ultralytics YOLO11 может помочь в этом: дороги можно разделить на участки, например перекрёстки или полосы для взимания платы. Команды управления движением смогут отслеживать количество автомобилей в каждой зоне в реальном времени. Эти данные позволяют быстрее реагировать на ситуацию, эффективнее планировать движение и поддерживать более плавный транспортный поток.

Интересный пример применения — пункты взимания платы, где быстро образуются пробки, если за движением не следить должным образом. Решение Ultralytics для подсчёта объектов в зонах позволяет отслеживать каждую полосу отдельно.

Вместо наблюдения за всем потоком транспорта сразу система отслеживает только автомобили, проезжающие по определённым полосам. Когда машины въезжают или выезжают, Ultralytics YOLO11 мгновенно считает их, помогая операторам определять, на каких полосах растёт загруженность.

Рис. 3. Подсчёт объектов в заданной зоне с помощью YOLO11 на пункте взимания платы.

Подсчёт животных на фермах и в приютах#

Подсчитывать животных бывает непросто, особенно когда они перемещаются стадами по узким проходам. Даже несколько пропущенных животных могут привести к проблемам с кормлением, проверкой здоровья или ведением учёта на ферме. Фермерам важно точно подсчитывать поголовье, не замедляя работу.

Ultralytics YOLO11 значительно упрощает эту задачу. Фермеры могут создавать пользовательские зоны отслеживания — широкие ворота, узкие проходы или заграждения с изгибами. В этих зонах модель в реальном времени обнаруживает животных, выделяет их ограничивающими рамками и отслеживает их перемещения. Например, она может быстро и точно посчитать большое стадо овец или коз, проходящих по огороженному коридору, без ручного труда.

Мониторинг толпы для обеспечения общественной безопасности#

Общественные пространства могут за считаные минуты превратиться из пустых в переполненные. В метро, аэропортах или на концертах скопление людей может затруднить передвижение и создать угрозу безопасности. Мониторинг потока людей в реальном времени позволяет властям заранее замечать скопления и вмешиваться, пока ситуация не вышла из-под контроля.

Подсчёт объектов по зонам с помощью Ultralytics YOLO11 позволяет отслеживать движение в отдельных зонах — например, у входов, на платформах или в залах ожидания, — а не следить за каждым человеком в кадре. Благодаря этому службы безопасности могут сосредоточиться на моделях перемещения, быстро выявлять места скопления людей и принимать более взвешенные оперативные решения — от изменения расписания до распределения персонала.

Рис. 4. Подсчёт людей в заданных зонах с помощью Ultralytics YOLO11 для эффективного управления толпой в метро.

Главные выводы#

Подсчёт объектов в зонах с помощью Ultralytics YOLO11 делает отслеживание объектов в отдельных областях эффективнее и точнее. В розничной торговле, управлении дорожным движением и обеспечении общественной безопасности этот подход на основе компьютерного зрения помогает компаниям и городским планировщикам принимать более взвешенные решения на основе данных. Автоматизация подсчёта сокращает объём ручного труда и повышает общую эффективность.

В будущем ИИ и компьютерное зрение, вероятно, сделают подсчёт объектов ещё умнее. Можно ожидать повышения точности, адаптивного обучения для работы в разных условиях и интеграции с системами автоматизации и Интернета вещей (IoT). Такая интеллектуальная автоматизация формирует будущее управления пространствами, людьми и перемещениями.

Узнай больше об ИИ в нашем репозитории GitHub и присоединяйся к нашему растущему сообществу. Изучи достижения в области ИИ в автомобильной отрасли и компьютерного зрения в сельском хозяйстве. Ознакомься с нашими вариантами лицензирования и воплощай в жизнь свои проекты в области компьютерного зрения.