YOLO11解决方案之对象裁剪探索
概述
Ultralytics提供了一系列的解决方案，利用YOLO11解决现实世界的问题，包括物体计数、模糊处理、热力图、安防系统、速度估计、物体追踪等多个方面的应用。
对象裁剪是指从图像或视频中分离并提取特定的检测对象，YOLO11 模型功能可用于准确识别和划分物体，从而实现精确裁剪，以便进一步分析或处理。使用YOLO11 可以方便的对目标对象进行裁剪，可对场景中的单个项目进行深入检查或处理，同时可以显著降低数据量，方便传输和存储。
演示代码
Ultralytics提供了演示代码，展示如何使用距离计算解决方案。
import cv2from ultralytics import solutionscap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"# Initialize object cropper object
cropper = solutions.ObjectCropper(model="yolo11n.pt", # model for object cropping i.e yolo11x.pt.classes=[0, 2], # crop specific classes i.e. person and car with COCO pretrained model.# conf=0.5, # adjust confidence threshold for the objects.# crop_dir="cropped-detections", # set the directory name for cropped detections
)# Process video
while cap.isOpened():success, im0 = cap.read()if not success:print("Video frame is empty or processing is complete.")breakresults = cropper(im0)# print(results) # access the outputcap.release()
cv2.destroyAllWindows() # destroy all opened windows
ObjectCropper参数
基本参数
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
model | str | None | Ultralytics YOLO 模型文件的路径。 |
crop_dir | str | "cropped-detections" | 用于存储裁剪检测数据的目录名称。 |
可视化参数：
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
show | bool | False | 在这个方案中，show参数没有作用。 |
工作原理
ObjectCropper 类的工作原理是对图像中被检测到的物体，根据边框信息，裁剪下来，并保存为独立的图像文件。这个类比较简单。
class ObjectCropper(BaseSolution):"""这个类继承自BaseSolution类，根据检测到的边框，把物体裁剪下来保存为独立的文件。Attributes:crop_dir (str): 指定裁剪图片的保存路径crop_idx (int): 裁剪对象的数据iou (float): IoU阈值.conf (float): 置信度阈值.Methods:process: 对输入的图像中的检测物体进行裁剪并保存def __init__(self, **kwargs):super().__init__(**kwargs)self.crop_dir = self.CFG["crop_dir"] # Directory for storing cropped detectionsif not os.path.exists(self.crop_dir):os.mkdir(self.crop_dir) # Create directory if it does not existif self.CFG["show"]:self.LOGGER.warning(f"show=True disabled for crop solution, results will be saved in the directory named: {self.crop_dir}")self.crop_idx = 0 # Initialize counter for total cropped objectsself.iou = self.CFG["iou"]self.conf = self.CFG["conf"]def process(self, im0):results = self.model.predict(im0, classes=self.classes, conf=self.conf, iou=self.iou, device=self.CFG["device"])[0]for box in results.boxes:self.crop_idx += 1save_one_box(box.xyxy,im0,file=Path(self.crop_dir) / f"crop_{self.crop_idx}.jpg",BGR=True,)# Return SolutionResultsreturn SolutionResults(plot_im=im0, total_crop_objects=self.crop_idx)效果展示
这里使用演示代码和测试视频，展示裁剪的物体图片。
裁剪图片保存在指定目录下：
