交互式实时距离测量-单目测距-社交距离检测

news2024/11/24 6:24:18

使用说明

使用鼠标点击两个目标框
要删除在距离计算过程中绘制的点，你可以使用鼠标右键点击。这会清除所有已绘制的点

使用 Ultralytics YOLOv8 进行距离计算

在这里插入图片描述

距离计算是在指定空间内测量两个物体之间间隙的基本概念。在 Ultralytics YOLOv8 的情况下，通过使用被检测物体的边界框中心点来计算距离。这种技术使我们能够精确确定图像或视频帧中物体的相对位置，这对于计算机视觉和机器人学来说至关重要。

视觉展示：使用 Ultralytics YOLOv8 进行距离计算

为了更好地理解这一过程，我们可以想象一个视频场景，其中包含多个移动的物体。YOLOv8 模型首先对这些物体进行识别并绘制边界框。接下来，我们可以通过点击这些边界框的中心点来测量它们之间的距离。这将帮助我们了解不同物体之间的空间关系。

距离计算的优势？

定位精度：提高计算机视觉任务中的空间定位准确性。
尺寸估计：允许估算物理尺寸，从而增强对场景上下文的理解。
场景理解：有助于三维环境的理解，从而改善决策制定，比如在自动驾驶和监控应用中。

距离计算步骤

要使用 YOLOv8 计算距离，请按照以下步骤操作：

初始化模型：加载预训练的 YOLOv8 模型。
读取视频流：从文件或摄像头获取视频流。
跟踪物体：利用 YOLOv8 对视频帧中的物体进行跟踪。
计算距离：通过点击物体的边界框中心点来计算距离。

示例代码

import cv2
from ultralytics import YOLO, solutions

# 加载模型
model = YOLO("yolov8n.pt")

# 获取类别名称
names = model.model.names

# 打开视频文件
cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "无法读取视频文件"

# 获取视频宽度、高度和帧率
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

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

# 初始化距离计算对象

# 循环读取视频帧
while cap.isOpened():
    success, im0 = cap.read()
    
    if not success:
        print("视频帧为空或视频处理已完成。")
        break
    

    
    # 写入视频帧
    video_writer.write(im0)

# 关闭资源
cap.release()
video_writer.release()
cv2.destroyAllWindows()

注意事项

右键点击可以删除所有已绘制的点。
左键点击用于绘制点。

`DistanceCalculations` 类构造函数参数

名称	类型	默认值	描述
`names`	字典	None	类别名称字典。
`pixels_per_meter`	整数	10	像素到米的转换因子。
`view_img`	布尔值	False	是否显示视频流。
`line_thickness`	整数	2	绘制线条的厚度。
`line_color`	元组	(255, 255, 0)	绘制线条的颜色（BGR 格式）。
`centroid_color`	元组	(255, 0, 255)	绘制中心点的颜色（BGR 格式）。

`model.track` 方法参数

名称	类型	默认值	描述
`im0`	图像	None	输入图像或视频帧。
`persist`	布尔值	False	在连续帧间保持跟踪。
`tracker`	字符串	botsort.yaml	跟踪方法，如 ‘bytetrack’ 或 ‘botsort’。
`conf`	浮点数	0.3	置信度阈值。
`iou`	浮点数	0.5	IOU 阈值。
`classes`	列表	None	过滤结果中的类别，例如 `classes=0` 或 `classes=[0,2,3]`。
`verbose`	布尔值	True	是否显示物体跟踪结果。