Ultralytics 区域物体计数RegionCounter实战用 YOLO26 对多自定义区域进行实时统计【免费下载链接】ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object tracking项目地址: https://gitcode.com/GitHub_Trending/ul/ultralytics本文基于 Ultralytics 仓库中的RegionCounter解决方案讲解如何用 YOLO26 对视频画面中一个或多个用户自定义多边形区域内的物体进行实时计数。读完本文你将掌握如何在 CLI 与 Python 中运行区域计数、如何用字典同时监控多个命名区域如门店货架区、车道、生产工位、如何以编程方式读取每个区域的实时计数并能结合源码理解其先跟踪、再判断中心点是否落在区域内的底层原理。为什么需要区域计数Ultralytics 提供了多种基于 YOLO 的解决方案SolutionsRegionCounter是其中专门用于区域内实时人数/物体数统计的模块对应实现见 ultralytics/solutions/region_counter.py。相比通用目标检测它有以下几个直接可见的优势一趟处理多个区域把一组命名多边形以字典形式传入每个区域都会得到独立的计数并实时绘制在画面上一路视频流即可覆盖你关心的所有区域内置跟踪能力该方案内部直接运行 YOLO26 检测与物体跟踪无需你单独搭建或串联一条跟踪管线可编程读取计数每一帧处理完都会返回一个结果对象其中携带区域计数字典可以直接接入数据看板、告警系统或日志记录。真实世界中的应用场景区域计数本质上是瞬时占用率统计即回答此刻每个区域内有多少目标这一连续性问题。典型的落地场景包括零售门店划分多个货架通道区域实时统计每个通道内的客流用于人员调度与热区分析公共街道/市场在拥挤街道画面中圈出不同区块分块统计人群密度辅助安保与疏导决策交通与停车按车道或停车位划分多边形区域统计各区域内的车辆占用情况生产与仓储将流水线工位、暂存区分别框定为多边形实时掌握在制品数量。用 YOLO26 进行区域计数CLI 与 Python运行区域计数的方式有两种命令行CLI与 Python API。区域既可以是一个点列表表示单个区域也可以是一个把区域名映射到点列表的字典表示多个区域。!!! example 区域计数的两种调用方式 CLI 使用命令行时通过 yolo solutions region 命令即可source 与 region 等参数与 Python API 完全对应 bash # 运行一个区域计数示例未指定 source 时会自动下载默认演示视频 yolo solutions region showTrue # 传入一个视频源 yolo solutions region sourcepath/to/video.mp4 # 传入自定义区域单个四边形的四个角点坐标 yolo solutions region region[(20, 400), (1080, 400), (1080, 360), (20, 360)] 当通过 CLI 运行且未提供 source 时[BaseSolution](https://link.gitcode.com/i/14f3819a32549398ba8dcfe89b28960c) 会自动下载官方演示视频作为默认输入源见 [ultralytics/solutions/solutions.py](https://link.gitcode.com/i/14f3819a32549398ba8dcfe89b28960c#L122-L128)。 Python Python 用法更为灵活尤其适合需要把计数结果写回自己业务逻辑的场景。下面的例子统计两个命名区域内的物体并把处理后的帧写入输出视频 python import cv2 from ultralytics import solutions cap cv2.VideoCapture(path/to/video.mp4) assert cap.isOpened(), Error reading video file # 传入区域为列表单个区域内部会被命名为 Region#01 # region_points [(20, 400), (1080, 400), (1080, 360), (20, 360)] # 传入区域为字典多个命名区域每个区域独立计数 region_points { region-01: [(50, 50), (250, 50), (250, 250), (50, 250)], region-02: [(640, 640), (780, 640), (780, 720), (640, 720)], } # 视频写入器 w, h, fps (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS)) video_writer cv2.VideoWriter(region_counting.avi, cv2.VideoWriter_fourcc(*mp4v), fps, (w, h)) # 初始化区域计数器对象 regioncounter solutions.RegionCounter( showTrue, # 是否显示画面 regionregion_points, # 传入区域点集合 modelyolo26n.pt, # 用于区域计数的模型例如 yolo26s.pt ) # 逐帧处理视频 while cap.isOpened(): success, im0 cap.read() if not success: print(Video frame is empty or processing is complete.) break results regioncounter(im0) # print(results) # 查看输出区域计数等字段 video_writer.write(results.plot_im) cap.release() video_writer.release() cv2.destroyAllWindows() # 销毁所有打开的窗口 从源码实现看RegionCounter 的构造函数会解析你传入的 region若为单个点列表则自动包装为 {Region#01: [...]}若为字典则保留你自己的区域名随后把每个区域构造成一个 shapely 多边形并做预处理见 [region_counter.py](https://link.gitcode.com/i/35f34bdd0ddd5c6a3f44f59339828188#L92-L99)。RegionCounter()参数说明RegionCounter的参数实际由统一的解决方案配置类 SolutionConfig 管理它通过 dataclass 定义了全部可选项构造时传入的**kwargs会覆盖对应默认值若传入了不存在的键则会直接抛出ValueError。解决方案级参数参数类型默认值说明modelstrNoneUltralytics YOLO 模型文件路径。当为None时BaseSolution 会自动回退为yolo26n.ptregionlist或dictNone感兴趣区域的点集合可以是(x, y)元组列表也可以是区域名 → 点列表的字典多区域仅RegionCounter支持。为None时使用内置默认多边形四角坐标为(10,200),(540,200),(540,180),(10,180)见 solutions.pyline_widthint2画面上边界框、关键点以及计数标注的线条粗细verboseboolTrue是否启用每帧日志输出输入尺寸、各类别数量与处理速度跟踪调用本身始终是静默的跟踪相关参数RegionCounter内部把参数透传给model.track()因此支持配置目标跟踪的各项参数。从 solutions.py 可以看到iou、conf、device、max_det、quantize、tracker、imgsz会被统一收集到track_add_args并在 extract_tracks 中连同persistTrue、classes一起传给跟踪接口。参数类型默认值说明trackerstrbotsort.yaml指定使用的跟踪算法内置选项包括botsort.yaml、bytetrack.yaml、ocsort.yaml、deepocsort.yaml、fasttrack.yaml、tracktrack.yaml对应仓库 ultralytics/cfg/trackers 目录下的配置文件conffloat0.25检测置信度阈值降低该值允许跟踪更多目标但也可能引入误检ioufloat0.7交并比IoU阈值用于过滤重叠的检测框classeslistNone按类别索引过滤结果例如classes[0]只跟踪人personclasses[0, 2, 3]只跟踪指定类别devicestrNone指定推理设备例如cpu、cuda:0或0用于在 CPU / 指定 GPU 等设备间选择可视化参数参数类型默认值说明showboolFalse若为True在窗口中实时显示标注后的画面便于开发调试期即时查看效果show_confboolTrue是否在每个检测框标签上显示置信度分数show_labelsboolTrue是否在检测框上显示类别标签区域计数的工作原理从源码结构与注释看见 region_counter.pyRegionCounter会把每个传入的区域构造成一个多边形。每个区域至少需要 3 个点否则 add_region 会抛出ValueError每个区域还会从 Ultralytics 调色板中分配到独立的绘制颜色。之后每一帧都会经过三个步骤YOLO26 跟踪检测通过extract_tracks调用model.track(sourceim0, persistTrue, ...)对当前帧做检测与跟踪得到每帧的目标框坐标、类别、跟踪 ID 与置信度中心点归属判断对每个被跟踪的目标计算其边界框中心点取(x1,y1)与(x2,y2)的中点随后用预处理的 shapely 几何体prepared_polygon.contains(center)判断该中心点落在哪些区域多边形内落在哪个区域就给哪个区域计数加一区域计数标注与清零将每个区域当前的计数绘制在该区域多边形形心位置带矩形底色的自适应标签帧处理结束后把所有区域计数归零等待下一帧重新累计。需要特别强调的是每个区域的计数每帧都会重置因此画面上显示的数字是该区域当前的实时占用数occupancy——即此刻有多少目标位于区域内——而不是累计经过的总数。这也解释了为什么RegionCounter需要依赖跟踪只有把同一目标在帧间关联起来给出稳定的 track ID中心点判断才不至于在目标移动时频繁误跳。若你的目标是累计统计穿越某条线或某个边界的目标进出次数应当改用 ObjectCounter线状少于 3 个点的计数区域也只有ObjectCounter支持。从源码看每帧的处理细节在 process 方法中帧处理流程与数据结构如下区域计数的容器region_counts在每帧开始时按{region_name: 0}重建保证帧与帧之间互不残留每个被跟踪目标先绘制出带track_id、类别名与置信度的标签具体拼接逻辑见adjust_box_label受show_labels/show_conf控制标签颜色依据track_id从调色板取值区域多边形用cv2.polylines绘制、角点处以小圆点强调计数文本由adaptive_label以矩形底色的方式绘制在形心位置并自动处理黑/白文本对比度。返回结果对象SolutionResults每次regioncounter(im0)调用都会返回一个 SolutionResults 对象本文相关的主要字段包括字段类型含义plot_imnp.ndarray已标注好区域、计数与目标框的帧图像可直接写入视频或保存region_countsdict[str, int]区域名到计数的映射如{region-01: 3, region-02: 0}可直接用于告警与看板total_tracksint当前帧中被跟踪的目标总数即len(self.track_ids)speeddict[str, float]由__call__填充的性能计时包含track与solution两个阶段的毫秒耗时见 solutions.py此外直接print(results)会列出结果对象中所有非默认值的字段便于调试查看。常见问题FAQ在 YOLO26 中区域物体计数是如何工作的Ultralytics YOLO26 的区域计数方法是先对画面中的每个物体进行跟踪再判断其边界框中心点是否落在每个用户自定义的多边形区域内。区域内显示的数字是该帧的实时占用数而不是累计总数。可配置参数见上文RegionCounter()参数说明 一节。区域多边形基于 shapely要求shapely2.0.0见 solutions.py构建并预处理以保证逐点包含判断point-in-polygon的性能。如何一次统计多个区域把region参数以字典形式传入字典的键是区域名、值是各自的点列表例如 region_counter.py 官方案例from ultralytics import solutions region_points { region-01: [(50, 50), (250, 50), (250, 250), (50, 250)], region-02: [(640, 640), (780, 640), (780, 720), (640, 720)], } regioncounter solutions.RegionCounter(regionregion_points, modelyolo26n.pt, showTrue)每个命名区域会以独立的颜色绘制并带有独立的计数。若你直接传入一个普通点列表单个区域它会自动被命名为Region#01。如何以编程方式获取区域计数每次regioncounter(im0)调用返回的对象带有region_counts字典把区域名映射到对应计数同对象上还带有plot_im标注后的帧与total_tracks被跟踪目标总数。你可以直接打印该结果对象来查看所有可用字段。是否可以只统计区域内特定类别的物体可以。传入classes参数并附上想保留的类别索引即可。例如使用 COCO 预训练模型时classes[0]表示只统计人person。相关跟踪参数完整列表见上文RegionCounter()参数说明 一节。类别过滤会在model.track()调用时生效见 solutions.py。RegionCounter 与 ObjectCounter 有什么区别RegionCounter显示的是当前帧有多少物体位于每个多边形区域内即实时占用率而 ObjectCounter 统计的是目标累计穿越某条线或某个区域边界的情况会记录进出总数。需要做实时多区域占用监控请用RegionCounter需要统计进出流量请用ObjectCounter线状区域只有ObjectCounter支持。小结借助 Ultralytics 的RegionCounter只需几行代码即可在任意多的命名区域内实时监控物体数量CLI 一行命令即可跑通演示Python API 则可与 OpenCV 视频管线无缝集成并通过results.region_counts把计数接入你自己的业务逻辑。方案实现位于 ultralytics/solutions/region_counter.py基类与配置体系分别在 ultralytics/solutions/solutions.py 与 ultralytics/solutions/config.py。如果想把计数场景进一步延伸可以参考仓库中相关的其他指南例如基于边界穿越累计计数的 ObjectCounter 物体计数、在单个区域内跟踪目标的 TrackZone 跟踪区域以及更完整的 Ultralytics 解决方案索引。【免费下载链接】ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object tracking项目地址: https://gitcode.com/GitHub_Trending/ul/ultralytics创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考