使用 Ultralytics YOLO11 进行区域目标计数

对象计数听起来可能很简单，但在道路、商店或仓库等繁忙场所，它很快就会成为一个真正的难题。多年来，对象计数主要依靠人工完成。人们花费数小时清点车辆、统计进出商店的人流，或出于安保目的监控人员流动。然而，这种方法耗时、容易出错，而且难以扩展。

这时，人工智能（AI），尤其是计算机视觉，就能发挥作用。计算机视觉是 AI 的一个子领域，负责处理视觉数据，其处理方式类似于人类。对象计数是计算机视觉的一项重要应用，有助于自动检测和跟踪指定区域内的对象。

通常，对象计数只能统计物品总数，却无法显示对象的位置。基于区域进行计数，或使用计数区域，可以聚焦图像中的特定区域，从而解决这一问题。这样能提供更详细的洞察，并以更有意义的方式跟踪移动情况。

Ultralytics YOLO11 是一种计算机视觉模型，支持目标检测和跟踪等多种计算机视觉任务，可用于基于区域的对象计数。本文将探讨如何使用 Ultralytics YOLO11 对区域内的对象进行计数、这项技术在现实世界中的应用，以及它的主要优势。现在就开始吧！

区域内对象计数概览#

在图像中检测并计数对象只能告诉我们有限的信息，尤其是在机场或购物中心等场所，人们可能会在单帧画面中的多个区域聚集。确切了解这些对象的位置，以及有多少对象经过特定区域，才更为重要。

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。通过为登机口或候客厅等关键位置分配区域，就可以用 YOLO11 仅统计特定空间内的对象。还可以使用可移动区域实时统计不同区域中的对象数量。

图 1。使用 YOLO 按区域统计体育比赛中球员人数的示例。

Ultralytics YOLO11 可以让这一过程变得简单高效。它有助于检测对象、跟踪对象的移动，并根据对象进入或离开的区域进行计数。YOLO11 的一大优势在于能够在不牺牲准确性的前提下提供实时结果。它还支持在每个指定区域内进行多对象跟踪，帮助系统同时统计并分类各种对象。

使用 Ultralytics YOLO11 进行区域内目标计数#

Ultralytics 提供易于使用的解决方案，展示了 YOLO 模型在前沿应用场景中的表现。这些方案包括目标计数、可移动区域内的目标计数、模糊处理和速度估算等实际应用。

设置并运行 Ultralytics 区域目标计数解决方案既直接又简单。这样，用户就能专注于获取洞察，而不必处理复杂的配置。

在幕后，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，这些检测结果会传入跟踪算法（例如 BoT-SORT 或 ByteTrack），为各帧中的每个目标分配一致的 ID。

检测并跟踪目标后，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，系统就会根据目标进入这些区域或在区域内移动的情况进行计数。

以下是 Ultralytics 区域目标计数解决方案的其他一些主要功能：

• 快速处理：该解决方案通过 Ultralytics YOLO11 实现实时目标计数，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，从而精确控制计数范围。

• 多目标计数：系统可以在同一个指定区域内同时检测并统计多种类型的目标。

• 轻松集成：通过 Ultralytics Python API 或命令行界面，可以无缝集成到现有系统中，所需配置极少。

动手体验区域目标计数#

如需开始使用 Ultralytics 区域计数解决方案，可以查阅 Ultralytics 官方文档，其中会逐步介绍如何使用 YOLO11 统计区域内的目标。

如果你在设置解决方案时遇到问题，可以参考以下建议：

• 确保已正确安装 Ultralytics Python 软件包。请查阅官方文档中的故障排除指南。

• 检查区域设置，并确保已在界面中正确配置所定义的区域。

• 检查是否有更新和新版本，并确保 Ultralytics Python 软件包保持最新。

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 进行区域目标计数，接下来一起看看它的一些实际应用。

跟踪客流以进行零售分析#

基于区域的目标计数可以轻松解答与顾客在店内哪些地方停留时间最长有关的问题。Ultralytics YOLO11 可以帮助零售商跟踪关键地点的移动模式，例如出口、收银台和热门商品区域。与只统计整体客流量不同，这种基于区域的方法还能洞察有多少顾客到访了特定区域。

使用 Ultralytics 解决方案可以免去零售商手动编写代码或进行复杂设置的麻烦。零售商可以轻松标记店内不同区域，并使用多边形或矩形线条跟踪顾客移动和客流量。

随后，Ultralytics YOLO11 可以检测目标、跟踪目标移动，并在人们进入或离开该区域时实时更新计数。这有助于零售商了解客流、衡量顾客参与度并做出数据驱动的决策。

图 2.使用 YOLO 通过基于区域的检测统计店外人数。

收费站的交通管理#

城市交通总是繁忙不息：汽车驶入高速公路、在红绿灯前停下，并在繁忙的交叉路口排队。交通管理是保障道路安全、保持交通顺畅的关键环节。

使用 Ultralytics YOLO11 进行基于区域的目标计数，可以将道路划分为交叉路口或收费车道等区段，为交通管理提供支持。交通管理团队可以实时监控每个区域的车辆数量。这些实时数据有助于更快响应、改进交通规划，并让整体交通更顺畅。

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。使用 Ultralytics 区域计数解决方案，可以分别跟踪每条收费车道。

系统不会一次性监控所有交通，而是只关注通过特定车道的车辆。汽车进入或离开时，Ultralytics YOLO11 可以立即计数，帮助运营人员掌握哪些车道正变得繁忙。

图 3. YOLO11 在收费站实现的区域计数。

农场和收容所中的动物计数#

统计动物数量可能很困难，尤其是动物成群穿过狭窄空间时。偶尔漏数几只，就可能影响喂养、健康检查或农场记录。对农场主来说，在不拖慢工作进度的情况下准确统计数量至关重要。

Ultralytics YOLO11 让这个过程顺畅得多。农场主可以用它创建自定义跟踪区域，无论是宽阔的闸门、狭窄的小道，还是弯曲的围栏区域。在这些区域内，模型会实时检测动物、用边界框标记动物并跟踪其移动。例如，无需人工操作，它就能在羊群或山羊群穿过围栏走廊时快速、准确地统计数量。

用于公共安全的人群监控#

拥挤的公共场所可能在短短几分钟内从空无一人变得人满为患。在地铁、机场或演唱会现场，某个区域内人群过多可能会阻碍通行并造成安全隐患。实时监控客流能让相关部门及早发现人群聚集，并在人群失控前采取行动。

具体来说，使用 Ultralytics YOLO11 进行基于区域的计数，可以监控入口闸机、站台或候车区等特定区域内的移动，而不必跟踪视野中的每个人。这让安保团队能够专注于移动模式、快速发现拥堵点，并做出更好的运营决策，例如调整时间安排或部署工作人员。

图 4.使用 Ultralytics YOLO11 在区域内统计人数，以更好地管理地铁人群。

要点#

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内的目标。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明智、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高整体效率。

未来，AI 和计算机视觉很可能让目标计数变得更加智能。我们可以期待更高的准确率、能够适应不同环境的自适应学习能力，以及与自动化和 IoT（物联网）系统的集成。这类智能自动化正在塑造我们管理空间、人群和流动的未来方式。

通过我们的 GitHub 代码仓库进一步了解 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。