使用 Ultralytics YOLO11 进行基于区域的目标计数

目标计数听起来可能很简单，但在道路、商店或仓库等繁忙场所，这项任务很快就会变成一个非常现实的挑战。多年来，目标计数主要依靠人工完成。人们花费数小时统计车辆数量、跟踪进出商店的人流，或出于安全目的监控人员移动。然而，这种方法耗时、容易出错，而且难以扩展。

这正是人工智能（AI），尤其是计算机视觉发挥作用的地方。计算机视觉是 AI 的一个子领域，负责处理视觉数据，其方式类似于人类处理视觉信息。目标计数是其关键应用之一，可以自动检测和跟踪指定区域中的目标。

通常，目标计数仅限于统计目标总数，并不能显示这些目标的位置。基于区域的计数或使用计数区域可以通过关注图像中的特定区域来解决这一问题。它能提供更详细的洞察，并帮助以更有意义的方式跟踪移动情况。

Ultralytics YOLO11 是一个计算机视觉模型，支持目标检测和跟踪等多种计算机视觉任务，可用于基于区域的目标计数。在本文中，我们将探讨如何使用 Ultralytics YOLO11 对区域内的目标进行计数、其实际应用以及主要优势。让我们开始吧！

区域目标计数概览#

检测并统计图像中的目标只能告诉我们有限的信息，尤其是在机场或商场等场所，同一帧中可能有多个人群聚集区域。了解这些目标的确切位置，以及有多少目标经过特定区域等信息更为重要。

Ultralytics YOLO11 等计算机视觉模型可以轻松用于此类计算机视觉应用。通过为登机口或候机休息室等关键位置分配区域，可以使用 YOLO11 仅统计特定空间内的目标。还可以使用可移动区域，实时获取不同区域中的目标数量。

图 1. 使用 YOLO 进行基于区域的体育运动员计数示例。

Ultralytics YOLO11 可以让这一过程变得简单高效。它可以帮助检测目标、跟踪目标移动，并根据目标进入或离开的区域对其进行计数。YOLO11 尤其重要的一点是，它能够在不牺牲准确性的情况下提供实时结果。它还支持在每个定义的区域内进行多目标跟踪，帮助系统同时统计和分类各种目标。

使用 Ultralytics YOLO11 进行区域目标计数#

Ultralytics 提供了易于使用的解决方案，展示 YOLO 模型的前沿应用场景。其中包括目标计数、可移动区域中的目标计数、模糊处理和速度估计等实际解决方案。

设置并运行 Ultralytics 的基于区域目标计数解决方案非常直接、简单。这让用户可以专注于洞察，而不是复杂的配置。

在后台，该基于区域的目标计数解决方案使用 Ultralytics YOLO11 检测视频每一帧中的目标。随后，这些检测结果会通过跟踪算法（例如 BoT-SORT 或 ByteTrack）处理，为每个目标在不同帧之间分配一致的 ID。

目标完成检测和跟踪后，系统会检查它们是否与任何预定义区域（多边形、矩形或线条）相交。如果相交，系统会根据目标进入这些区域或在其中移动的情况进行计数。

以下是 Ultralytics 基于区域目标计数解决方案的其他主要功能：

• **快速处理：**该解决方案支持使用 Ultralytics YOLO11 进行实时目标计数，确保快速高效地分析视频流。

• **可自定义区域：**用户可以使用多边形、矩形或线条在视频帧中定义特定区域，从而精确控制计数发生的位置。

• **多目标计数：**系统可以在同一个定义区域内同时检测和统计多种类型的目标。

• 轻松集成：使用 Ultralytics Python API 或命令行界面即可无缝集成现有系统，几乎不需要复杂的配置。

亲自体验区域目标计数#

要开始使用 Ultralytics 的基于区域计数解决方案，你可以查看官方 Ultralytics 文档，其中分步介绍了如何使用 YOLO11 统计区域内的目标。

如果你在设置解决方案时遇到任何问题，请注意以下建议：

• 确保正确安装 Ultralytics Python 包。请查看官方文档中的故障排除指南。

• 验证区域设置，并确保已在界面中正确配置定义的区域。

• 检查更新和新版本，并保持 Ultralytics Python 包为最新版本。

区域目标计数的实际应用#

现在我们已经更好地了解了如何使用 Ultralytics YOLO11 进行基于区域的目标计数，下面来探索一些实际应用场景。

跟踪客户流量以进行零售分析#

基于区域的目标计数可以轻松回答客户在商店中大部分时间花在哪里等问题。Ultralytics YOLO11 可以帮助零售商跟踪出口、收银台和热门商品区域等关键位置的移动模式。与仅测量整体客流量相比，这种基于区域的方法可以洞察到访特定区域的客户数量。

使用 Ultralytics 解决方案可以帮助零售商免去手动编码或复杂的设置流程。零售商可以使用多边形或矩形线条轻松标记商店的不同区域，以跟踪客户移动和客流量。

随后，Ultralytics YOLO11 可以检测目标、跟踪其移动，并在人们进入或离开该区域时实时更新计数。这能帮助零售商了解客户流动、衡量参与度，并做出数据驱动的决策。

图 2. 使用基于区域的检测通过 YOLO 统计商店外人数。

收费站的交通管理#

城市中的交通总是十分繁忙：汽车汇入高速公路、在红绿灯处停车，并在繁忙的十字路口排队。交通管理是保障道路安全和交通顺畅的关键部分。

使用 Ultralytics YOLO11 进行基于区域的目标计数，可以将道路划分为路口或收费车道等不同路段，从而提供支持。交通管理团队可以实时监控每个区域中的车辆数量。这些实时数据能够实现更快的响应、更好的交通规划和更顺畅的整体交通流。

一个有趣的应用场景是收费站：如果监控不当，收费站很快就会变得拥堵。借助 Ultralytics 的基于区域计数解决方案，可以分别跟踪每条收费车道。

系统不再同时监控所有交通流，而是只关注通过特定车道的车辆。汽车驶入或驶出时，Ultralytics YOLO11 可以立即对其进行计数，帮助运营人员掌握哪些车道正变得拥堵。

图 3. YOLO11 在收费站实现基于区域的计数。

农场和动物收容所中的动物计数#

统计动物数量可能很困难，尤其是动物成群结队地穿过狭窄空间时。零星漏数可能导致喂养、健康检查或农场记录方面的问题。对农民来说，在不拖慢工作进度的情况下保持准确数量至关重要。

Ultralytics YOLO11 可以让这一过程顺畅得多。农民可以使用它创建自定义跟踪区域，无论是宽阔的闸门、狭窄的小路，还是弯曲的围栏。在这些区域内，模型可以实时检测动物，为其标记边界框并跟踪其移动。例如，它可以在无需人工操作的情况下，快速准确地统计穿过围栏通道的大群绵羊或山羊。

公共安全人群监控#

拥挤的公共场所可能在几分钟内从空无一人变得人满为患。在地铁、机场或音乐会现场，同一地点聚集过多人员可能会减缓移动速度并引发安全问题。实时监控人流可以让有关部门及早发现人群聚集，并在事态失控前采取行动。

具体来说，使用 Ultralytics YOLO11 进行基于区域的计数，可以监控人员在入口闸机、站台或候车区等特定区域之间的移动，而不是跟踪视野中的所有人。这使安保团队能够专注于移动模式，快速识别拥堵点，并做出更好的运营决策，包括调整时间安排和部署工作人员。

图 4. 使用 Ultralytics YOLO11 在区域内统计人数，以改善地铁人群管理。

要点总结#

使用 Ultralytics YOLO11 进行基于区域的目标计数，可以更高效、更准确地跟踪特定区域中的目标。无论应用于零售、交通管理还是公共安全，这种由视觉 AI 驱动的方法都能帮助企业和城市规划者做出更好、以数据为依据的决策。自动化计数可以减少人工工作量并提升整体效率。

未来，AI 和计算机视觉可能会让目标计数变得更加智能。我们可以期待更高的准确性、能够适应不同环境的自适应学习，以及与自动化和物联网（IoT）系统的集成。这类智能自动化正在塑造我们管理空间、人员和移动方式的未来。

在我们的 GitHub 代码仓库中进一步了解 AI，并加入不断壮大的社区。探索汽车领域的 AI和农业中的计算机视觉的最新进展。查看我们的许可选项，让你的视觉 AI 项目落地。