Запуск инференса на видео

Пример: предсказание на видеофайле#

Видео обрабатывается в том же режиме Predict, что и изображения. В этом 62-кадровом клипе люди пересекают атриум:

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 декодирует видео и обрабатывает каждый кадр как изображение.
• 22 persons: детекции в этом кадре. Те же прохожие снова учитываются в каждом кадре.
• 27.3ms ... 54.8ms: время обработки каждого кадра меняется в зависимости от нагрузки на компьютер.

Видео с аннотациями сохранено в runs/detect/predict/solutions_ci_demo.mp4. Твоя модель работает так же: замени yolo26n.pt на runs/detect/pills_v1/weights/best.pt.

Обработка длинных потоков и трансляций в реальном времени#

Если код выполняет действия с детекциями, обрабатывай поток в цикле. На каждой итерации возвращается Results одного кадра, а затем кадр удаляется:

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

Тот же цикл работает с индексом веб-камеры (source=0) или URL камеры, например rtsp://camera.local/stream, и выполняется, пока поток не завершится или ты его не остановишь. Добавь vid_stride=2, чтобы обрабатывать каждый второй кадр. Руководство по инференсу в реальном времени с Streamlit показывает, как обернуть этот цикл в приложение с браузерным интерфейсом.

Пример: считай каждого человека один раз#

«22 человека в кадре» — не та цифра, которая нужна; нужна «сколько человек прошло мимо». Многообъектный трекинг связывает рамки между кадрами, а режим Track присваивает каждому объекту идентификатор в 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 — это False для кадров до подтверждения трека, когда boxes.id равно None. Используй идентификаторы для подсчёта, построения траекторий или логики вроде «этот объект находится здесь уже 3 секунды».

Не указывай tracker, и Ultralytics использует tracktrack.yaml — текущий вариант по умолчанию; в режиме Track также доступны ocsort.yaml, deepocsort.yaml и fasttrack.yaml. Выбор и настройка трекеров, а также создание на их основе систем подсчёта объектов, тепловых карт и оценки скорости рассматриваются в руководстве «Отслеживание объектов с ByteTrack, BoT-SORT и TrackTrack».

Пример: собственный цикл обработки с камеры#

Реальным приложениям часто нужно самостоятельно считывать кадры — чтобы изменить размер, обрезать их, добавить временную метку или предоставить доступ к камере другому коду — и передавать каждый кадр модели. В таком случае persist=True поддерживает работу трекера между вызовами:

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

Столько же людей, сколько в track.py: 32. Обрати внимание: наибольший идентификатор — 67, а не 32: трекер присваивает идентификаторы и предварительным трекам, которые так и не подтверждаются, поэтому в нумерации есть пропуски.

Успевай за источником#

Камера с частотой 30 FPS передаёт кадр каждые 33 мс, а эффективная частота ограничена самым медленным этапом: декодированием, инференсом или записью. На нашем ноутбуке с CPU обработка yolo26n занимала от 26 до 46 мс на кадр размером 384×640 в разных запусках, в зависимости от нагрузки на компьютер: это равно бюджету или превышает его, запаса нет. Если твоя система не успевает, попробуй следующие способы по порядку:

Работа с несколькими камерами одновременно и связанная с этим многопоточность рассматриваются в руководстве «Инференс с несколькими потоками».

Избегай этих ошибок#