当前位置：首页 > news >正文

YOLO11解决方案之分析

news 2025/9/11 0:08:37

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。

Ultralytics提供了三种基本的数据可视化类型：折线图（面积图）、条形图和饼图。
在这里插入图片描述

折线图适合用于跟踪长短期的变化，以及比较同一时期多个组别的变化。
条形图则适合比较不同类别的数量，并显示类别与其数值之间的关系。
饼图可以有效地说明不同类别之间的比例，并显示整体的各个部分。

解决方案的演示代码如下：

import cv2from ultralytics import solutionscap = 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))
out = cv2.VideoWriter("analytics_output.avi",cv2.VideoWriter_fourcc(*"MJPG"),fps,(1280, 720),  # this is fixed
)# Initialize analytics object
analytics = solutions.Analytics(show=True,  # display the outputanalytics_type="line",  # pass the analytics type, could be "pie", "bar" or "area".model="yolo11n.pt",  # path to the YOLO11 model file# classes=[0, 2],  # display analytics for specific detection classes
)# Process video
frame_count = 0
while cap.isOpened():success, im0 = cap.read()if success:frame_count += 1results = analytics(im0, frame_count)  # update analytics graph every frame# print(results)  # access the outputout.write(results.plot_im)  # write the video fileelse:breakcap.release()
out.release()
cv2.destroyAllWindows()  # destroy all opened windows

`Analytics`参数

基本参数

参数	类型	默认值	说明
`data`	`str`	`images`	用于相似性搜索的图像目录路径。
`analytics_type`	`str`	`line`	图形类型，即 `line`, `bar`, `area`或 `pie`.

track参数

参数	类型	默认值	说明
`tracker`	`str`	`'botsort.yaml'`	指定要使用的跟踪算法， `bytetrack.yaml` 或 `botsort.yaml`.
`conf`	`float`	`0.3`	设置检测的置信度阈值；数值越低，跟踪的物体越多，但可能会出现误报。
`iou`	`float`	`0.5`	设置交叉重叠 (IoU) 阈值，用于过滤重叠检测。
`classes`	`list`	`None`	按类别索引筛选结果。例如 `classes=[0, 2, 3]` 只跟踪指定的类别（class在COCO数据集定义）。
`verbose`	`bool`	`True`	控制跟踪结果的显示，提供被跟踪物体的可视化输出。
`device`	`str`	`None`	指定用于推理的设备（例如： `cpu`, `cuda:0` 或 `0`). 允许用户选择CPU 、特定GPU 或其他计算设备运行模型。

可视化参数：

参数	类型	默认值	说明
`show`	`bool`	`False`	如果 `True`在一个窗口中显示注释的图像或视频。有助于在开发或测试过程中提供即时视觉反馈。
`line_width`	`None or int`	`None`	指定边界框的线宽。如果 `None`则根据图像大小自动调整线宽，使图像更加清晰。