Chạy suy luận trên video

Ví dụ minh họa: Dự đoán trên tệp video#

Video dùng cùng Predict mode như ảnh. Đoạn clip 62 khung hình này cho thấy mọi người đi qua một sảnh lớn:

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 giải mã video và xử lý từng khung hình như một ảnh.
• 22 persons: các detection trong khung hình đó. Những người đi bộ giống nhau được đếm lại trong mọi khung hình.
• 27.3ms ... 54.8ms: thời gian xử lý mỗi khung hình thay đổi tùy vào các tác vụ khác mà máy đang thực hiện.

Video đã chú thích là runs/detect/predict/solutions_ci_demo.mp4. Model của bạn hoạt động tương tự: thay yolo26n.pt bằng runs/detect/pills_v1/weights/best.pt.

Truyền nguồn dài và trực tiếp#

Với mã xử lý detection, hãy lặp qua một luồng. Mỗi vòng lặp trả về Results của một khung hình, rồi loại bỏ khung hình đó:

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

Cùng vòng lặp này chấp nhận chỉ số webcam (source=0) hoặc URL camera như rtsp://camera.local/stream, và chạy cho đến khi luồng kết thúc hoặc bạn dừng vòng lặp. Thêm vid_stride=2 để xử lý cách mỗi khung hình. Để tạo giao diện web quanh vòng lặp này, hướng dẫn suy luận trực tiếp với Streamlit sẽ đóng gói vòng lặp trong một ứng dụng.

Ví dụ minh họa: Đếm mỗi người một lần#

"22 người mỗi khung hình" không phải con số mọi người cần; điều họ muốn biết là "đã có bao nhiêu người đi qua". Theo dõi nhiều đối tượng liên kết các hộp qua các khung hình, còn Track mode gán cho mỗi đối tượng một ID trong 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 là False trên các khung hình trước khi bất kỳ track nào được xác nhận, khi boxes.id là None. Dùng ID để đếm, xác định quỹ đạo hoặc triển khai logic như "đối tượng này đã ở đây được 3 giây".

Nếu không chỉ định tracker, Ultralytics dùng tracktrack.yaml, mặc định hiện tại; Track mode cũng tích hợp ocsort.yaml, deepocsort.yaml và fasttrack.yaml. Cách chọn và tinh chỉnh bộ theo dõi, cũng như xây dựng đếm đối tượng, bản đồ nhiệt và ước tính tốc độ dựa trên các bộ theo dõi đó, được trình bày trong hướng dẫn Theo dõi đối tượng với ByteTrack, BoT-SORT và TrackTrack.

Ví dụ minh họa: Vòng lặp camera của riêng bạn#

Các ứng dụng thực tế thường tự đọc khung hình — để thay đổi kích thước, cắt, gắn dấu thời gian hoặc chia sẻ camera với mã khác — rồi truyền từng khung hình cho model. Khi đó, persist=True giữ cho bộ theo dõi hoạt động giữa các lần gọi:

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

Vẫn là 32 người như track.py. Lưu ý ID lớn nhất là 67, không phải 32: bộ theo dõi cũng cấp ID cho các track tạm thời không bao giờ được xác nhận, nên ID có khoảng trống.

Theo kịp nguồn#

Camera 30 FPS cung cấp một khung hình sau mỗi 33 ms; tốc độ thực tế của bạn bị giới hạn bởi khâu chậm nhất trong giải mã, suy luận và ghi dữ liệu. Trên CPU máy tính xách tay của chúng tôi, yolo26n mất từ 26 đến 46 ms cho mỗi khung hình 384×640 qua các lần chạy, tùy thuộc vào những tác vụ khác máy đang thực hiện: chạm hoặc vượt ngân sách, không có dư địa. Nếu hệ thống của bạn không theo kịp, hãy điều chỉnh theo thứ tự sau:

Bài Suy luận nhiều luồng trình bày cách xử lý nhiều camera cùng lúc và cơ chế đa luồng đi kèm.

Tránh những lỗi này#