使用Ultralytics YOLO11进行距离计算

什么是距离计算？

在指定空间内测量两个物体之间的间隔被称为距离计算。在Ultralytics YOLO11的情况下，使用边界框的质心来计算用户高亮显示的边界框的距离。

观看： 使用Ultralytics YOLO11进行距离计算

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： 提高计算机视觉任务中的精确空间定位。
尺寸估计： 允许对物体尺寸进行估计，以更好地理解上下文。

距离计算

点击任意两个边界框，使用左键点击进行距离计算

使用YOLO11进行距离计算示例

视频流

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolo11n.pt")
names = model.model.names

cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "错误读取视频文件"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

# 视频写入器
video_writer = cv2.VideoWriter("distance_calculation.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# 初始化距离计算对象
dist_obj = solutions.DistanceCalculation(names=names, view_img=True)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("视频帧为空或视频处理已成功完成。")
        break

    tracks = model.track(im0, persist=True, show=False)
    im0 = dist_obj.start_process(im0, tracks)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

Note

鼠标右键将删除所有绘制的点
鼠标左键可用于绘制点

距离为估计值

距离将是一个估计值，可能不完全准确，因为它使用的是二维数据，缺乏物体深度的信息。

`DistanceCalculation()`参数

`名称`	`类型`	`默认值`	描述
`names`	`dict`	`None`	类名字典。
`view_img`	`bool`	`False`	指示是否应显示视频流的标志。
`line_thickness`	`int`	`2`	图像上绘制的线条的厚度。
`line_color`	`tuple`	`(255, 255, 0)`	图像上绘制的线条的颜色（BGR格式）。
`centroid_color`	`tuple`	`(255, 0, 255)`	绘制的质心的颜色（BGR格式）。

`model.track`参数

参数	类型	默认值	描述
`source`	`str`	`None`	指定图像或视频的源目录。支持文件路径和URL。
`persist`	`bool`	`False`	启用帧间对象的持续跟踪，在视频序列中保持ID一致。
`tracker`	`str`	`botsort.yaml`	指定要使用的跟踪算法，例如 `bytetrack.yaml` 或 `botsort.yaml`。
`conf`	`float`	`0.3`	设置检测的置信度阈值；较低的值允许更多对象被跟踪，但可能包含误报。
`iou`	`float`	`0.5`	设置用于过滤重叠检测的交并比 (IoU) 阈值。
`classes`	`list`	`None`	按类别索引过滤结果。例如，`classes=[0, 2, 3]` 仅跟踪指定的类别。
`verbose`	`bool`	`True`	控制跟踪结果的显示，提供被跟踪对象的视觉输出。