使用Ultralytics YOLO11进行距离计算
使用 Ultralytics YOLO11 进行距离计算什么是距离计算？测量两个物体之间的间隙被称为指定空间内的距离计算。在 Ultralytics YOLO11 的情况下，边界框 质心用于计算用户突出显示的边界框的距离。
观看： 如何使用 Ultralytics YOLO 以像素为单位估计检测到的目标之间的距离 🚀
视觉效果使用 Ultralytics YOLO11 进行距离计算距离计算的优势定位精度： 增强计算机视觉任务中的准确空间定位。尺寸估计： 允许估计物体尺寸，以更好地理解上下文。场景理解： 改进 3D 场景理解，从而在自动驾驶汽车和监控系统等应用中做出更好的决策。碰撞避免：通过监测移动物体之间的距离，使系统能够 detect 潜在碰撞。空间分析： 促进对监控环境中目标关系和交互的分析。距离计算用鼠标左键点击任意两个边界框以计算距离。使用鼠标右键删除所有绘制的点。在帧内任意位置左键单击以添加新点。距离是一个估计值距离是一个估计值，可能不完全准确，因为它使用缺乏深度信息的2D数据进行计算。
使用Ultralytics YOLO进行距离计算
Pythonimport 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("distance_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
# Initialize distance calculation object
distancecalculator = solutions.DistanceCalculation(
model="yolo11n.pt", # path to the YOLO11 model file.
show=True, # display the output
)
# Process video
while cap.isOpened():
success, im0 = cap.read()
if not success:
print("Video frame is empty or processing is complete.")
break
results = distancecalculator(im0)
print(results) # access the output
video_writer.write(results.plot_im) # write the processed frame.
cap.release()
video_writer.release()
cv2.destroyAllWindows() # destroy all opened windows
DistanceCalculation() 参数这是一个包含以下内容的表格 DistanceCalculation 参数：
参数类型默认值描述modelstrNoneUltralytics YOLO 模型文件的路径。您还可以使用各种 track 中的参数 DistanceCalculation 解决方案。
参数类型默认值描述trackerstr'botsort.yaml'指定要使用的跟踪算法，例如： bytetrack.yaml 或 botsort.yaml.conffloat0.3设置检测的置信度阈值；较低的值允许跟踪更多对象，但可能包含误报。ioufloat0.5设置交并比 (IoU) 阈值，用于过滤重叠的检测结果。classeslistNone按类别索引过滤结果。例如， classes=[0, 2, 3] 仅跟踪指定的类别。verboseboolTrue控制跟踪结果的显示，提供被跟踪对象的可视化输出。devicestrNone指定用于推理的设备（例如， cpu, cuda:0 或 0）。允许用户在 CPU、特定 GPU 或其他计算设备之间进行选择，以执行模型。此外，以下可视化参数可供使用：
参数类型默认值描述showboolFalse可视化参数： True，则在窗口中显示带注释的图像或视频。这对于开发或测试期间的即时视觉反馈非常有用。line_widthint or NoneNone指定边界框的线条宽度。 如果 None，则线条宽度会根据图像大小自动调整。 提供视觉自定义以提高清晰度。show_confboolTrue在标签旁边显示每个检测的置信度分数。 可以深入了解模型对每次检测的确定性。show_labelsboolTrue在可视化输出中显示每个检测的标签。 能够立即理解检测到的对象。实施细节字段 DistanceCalculation 类的工作原理是跟踪视频帧中的对象，并计算所选边界框的质心之间的欧几里德距离。当您单击两个对象时，解决方案：
提取所选边界框的质心（中心点）计算像素中这些质心之间的欧几里得距离在帧上显示距离，并在对象之间使用连接线该实现使用 mouse_event_for_distance 方法来处理鼠标交互，允许用户根据需要选择对象和清除选择。该 process 方法处理逐帧处理、跟踪对象和计算距离。
应用使用YOLO11进行距离计算具有许多实际应用：
零售分析： 测量顾客与产品的接近程度，并分析商店布局的有效性工业安全： 监控工人和机器之间的安全距离交通管理：分析车距并检测跟车过近行为体育分析： 计算球员、球和关键场上位置之间的距离医疗保健： 确保等候区域保持适当距离并监控患者动向机器人： 使机器人能够与障碍物和人员保持适当的距离常见问题如何使用 Ultralytics YOLO11 计算物体之间的距离？要使用以下方法计算对象之间的距离 Ultralytics YOLO11，您需要识别检测到的物体的边界框中心点。此过程涉及初始化 DistanceCalculation 类，来自 Ultralytics 的 solutions 模块，并使用模型的跟踪输出来计算距离。
将距离计算与 Ultralytics YOLO11 结合使用有哪些优势？将距离计算与 Ultralytics YOLO11 结合使用具有以下几个优点：
定位精度： 为对象提供准确的空间定位。尺寸估计： 帮助估计物理尺寸，从而有助于更好地理解上下文。场景理解： 增强 3D 场景理解，有助于改进自动驾驶和监控等应用中的决策。实时处理: 动态执行计算，使其适用于实时视频分析。集成能力： 与其他 YOLO11 解决方案（如对象跟踪和速度估计）无缝协作。是否可以使用 Ultralytics YOLO11 在实时视频流中执行距离计算？是的，您可以使用 Ultralytics YOLO11 在实时视频流中执行距离计算。该过程包括使用 OpenCV 捕获视频帧 OpenCV，运行 YOLO11 对象检测，并使用 DistanceCalculation 类，用于计算连续帧中对象之间的距离。有关详细的实现，请参见 视频流示例.
如何删除使用 Ultralytics YOLO11 在距离计算期间绘制的点？要删除在使用 Ultralytics YOLO11 进行距离计算期间绘制的点，您可以使用鼠标右键单击。此操作将清除您绘制的所有点。有关更多详细信息，请参阅 距离计算示例下的注释部分。
在 Ultralytics YOLO11 中，初始化 DistanceCalculation 类的主要参数是什么？用于初始化以下对象的关键参数 DistanceCalculation Ultralytics YOLO11 中的类包括：
model: YOLO11 模型文件的路径。tracker：要使用的 track 算法（默认为 'botsort.yaml'）。conf: 检测的置信度阈值。show: 用于显示输出的标志。有关详尽的列表和默认值，请参阅DistanceCalculation 的参数。
📅 2 年前创建 ✏️ 27 天前更新 Tweet 分享 评论