Esegui l'inferenza sui video

Esempio svolto: eseguire Predict su un file video#

I video vengono elaborati con la stessa modalità Predict delle immagini. Questa clip di 62 fotogrammi mostra persone che attraversano un atrio:

yolo predict model=yolo26n.pt source=https://github.com/ultralytics/assets/releases/download/v0.0.0/solutions_ci_demo.mp4

video 1/1 (frame 1/62) solutions_ci_demo.mp4: 384x640 22 persons, 27.3ms
...
video 1/1 (frame 62/62) solutions_ci_demo.mp4: 384x640 22 persons, 54.8ms
Results saved to runs/detect/predict

• frame 1/62: Ultralytics decodifica il video ed elabora ogni fotogramma come un'immagine.
• 22 persons: rilevamenti in quel fotogramma. Le stesse persone che camminano vengono conteggiate di nuovo in ogni fotogramma.
• 27.3ms ... 54.8ms: il tempo per fotogramma varia in base alle altre attività in corso sulla macchina.

Il video annotato è runs/detect/predict/solutions_ci_demo.mp4. Il tuo modello funziona allo stesso modo: sostituisci yolo26n.pt con runs/detect/pills_v1/weights/best.pt.

Trasmetti in streaming sorgenti lunghe e dal vivo#

Per eseguire codice che agisce sui rilevamenti, usa un ciclo sul flusso. A ogni iterazione ottieni i Results di un fotogramma, che poi vengono scartati:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
source = "https://github.com/ultralytics/assets/releases/download/v0.0.0/solutions_ci_demo.mp4"

frames, people = 0, 0
for result in model(source, stream=True, classes=[0], verbose=False):  # one Results object per frame
    frames += 1
    people += len(result.boxes)
print(f"{frames} frames, {people / frames:.1f} people per frame")

62 frames, 22.2 people per frame

Lo stesso ciclo accetta l'indice di una webcam (source=0) o un URL della telecamera, ad esempio rtsp://camera.local/stream, e continua finché il flusso non termina o non lo interrompi. Aggiungi vid_stride=2 per elaborare un fotogramma ogni due. Per un'interfaccia browser basata su questo ciclo, la guida Inferenza dal vivo con Streamlit lo integra in un'app.

Esempio svolto: contare ogni persona una sola volta#

«22 persone per fotogramma» non è il dato che interessa; la domanda è «quante persone sono passate?». Il tracking multi-oggetto collega i riquadri tra i fotogrammi e la modalità Track assegna a ogni oggetto un ID in boxes.id:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
source = "https://github.com/ultralytics/assets/releases/download/v0.0.0/solutions_ci_demo.mp4"

seen = set()
for result in model.track(source, stream=True, persist=True, classes=[0], tracker="bytetrack.yaml", verbose=False):
    if result.boxes.is_track:
        seen.update(result.boxes.id.int().tolist())
print(f"{len(seen)} unique people tracked")

32 unique people tracked

is_track è False nei fotogrammi precedenti alla conferma di una traccia, quando boxes.id è None. Usa gli ID per contare, tracciare traiettorie o implementare logiche come «questo oggetto è qui da 3 secondi».

Se ometti tracker, Ultralytics usa tracktrack.yaml, l'impostazione predefinita attuale; la modalità Track include anche ocsort.yaml, deepocsort.yaml e fasttrack.yaml. La scelta e la configurazione dei tracker, oltre alla realizzazione di contatori di oggetti, mappe di calore e stima della velocità, sono trattate nella guida Traccia gli oggetti con ByteTrack, BoT-SORT e TrackTrack.

Esempio svolto: il tuo ciclo personalizzato per la telecamera#

Spesso le applicazioni reali leggono direttamente i fotogrammi — per ridimensionarli, ritagliarli, aggiungere timestamp o condividere una telecamera con altro codice — e passano ciascun fotogramma al modello. In questo caso, persist=True mantiene attivo il tracker tra una chiamata e l'altra:

import cv2

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
cap = cv2.VideoCapture("solutions_ci_demo.mp4")  # saved locally by the commands above; or 0, or an rtsp:// URL

seen = set()
while cap.isOpened():
    ok, frame = cap.read()
    if not ok:
        break
    result = model.track(frame, persist=True, classes=[0], tracker="bytetrack.yaml", verbose=False)[0]
    if result.boxes.is_track:
        seen.update(result.boxes.id.int().tolist())
cap.release()
print(f"{len(seen)} unique people, highest ID {max(seen)}")

32 unique people, highest ID 67

Lo stesso conteggio di 32 persone di track.py. Nota che l'ID più alto è 67, non 32: il tracker assegna ID anche alle tracce provvisorie che non vengono mai confermate, quindi ci sono dei salti nella sequenza degli ID.

Tieni il passo con la sorgente#

Una telecamera a 30 FPS fornisce un fotogramma ogni 33 ms; la frequenza effettiva è determinata dall'operazione più lenta tra decodifica, inferenza e scrittura. Sulla CPU del nostro laptop, yolo26n ha impiegato da 26 a 46 ms per fotogramma da 384×640 nelle varie esecuzioni, a seconda delle altre attività in corso sulla macchina: il tempo era pari o superiore al budget, senza margine. Se il tuo sistema non riesce a tenere il passo, prova queste soluzioni nell'ordine indicato:

La guida Inferenza multi-stream tratta l'uso simultaneo di più telecamere e il threading necessario.

Evita questi errori#