AI 如何在影片中計算人數?
排隊這件事人人都懂,但要量清楚卻出奇地難。在 AI 出現之前,想知道有多少人走過某個位置, 通常要有人拿著計數器站在那裡,一個一個用手按——每來一個人按一下,一小時又一小時。
這篇筆記用一個短短的 Python 程式替你計數。它讀取一段影片,用一個叫 YOLO 的 AI 模型, 計算每一個走過畫面上那條線的人。最後,它會把畫好方框和累計數字的影片另存一份,並印出總數。
這裡用的影片是一段 33 秒的片段,拍到人們排隊走過。程式報出的結果是
In count: 6:六個人由左至右走過那條線。
queue-management-demo.mp4 是 Ultralytics 的示範影片,放在 GitHub 的
ultralytics/notebooks 存放庫:
https://github.com/ultralytics/notebooks/releases/tag/v0.0.0
YOLO 和 ObjectCounter 是做什麼的?
YOLO 是 You Only Look Once 的縮寫。它是一個 AI 模型,看一張圖片一次,就列出它看到的東西——人、車、狗——
並在每一樣東西外面畫一個方框。發佈 YOLO 的
Ultralytics
還附帶一個現成的工具,叫 ObjectCounter。這個工具會畫方框、逐格追蹤每一個方框,
並保留兩個總數:一個是往一個方向越線的物件,另一個是往反方向越線的。
第一步:載入模型並開啟影片
from ultralytics.solutions import ObjectCounter
import cv2
model_path = "yolo26n.pt"
video_path = "queue-management-demo.mp4"
# Get video properties: width, height, FPS (frame/second)
cap = cv2.VideoCapture(video_path)
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = cap.get(cv2.CAP_PROP_FPS)
第一行引入計數工具,第二行引入 OpenCV,也就是負責讀寫影片檔的程式庫。
model_path 指定 AI 模型:yolo26n.pt,
其中 n 代表 nano,是體積最小、速度最快的一級。第一次執行時會自動下載這個模型,大約 5 MB。
cv2.VideoCapture 開啟 queue-management-demo.mp4,
接著三行讀出它的寬、高和速度(每秒 25 格)。程式需要這些數字有兩個原因:計數線是以像素描述,
而另存的影片必須與原片有完全相同的大小和速度。
第二步:畫出計數線
region_points = [(width-400, 300), (width-400, height), (width-350, height), (width-350, 300)]
四組數字描述一條細長地帶的四個角:左上、左下、右下、右上。每一個點都以畫面左上角為起點量度,
左上角是 (0, 0),右下角是 (width, height):
x 向右遞增,y 向下遞增。橫向來說,這條地帶寬 50 像素,
由 x = width-400 到 x = width-350。縱向來說,
它由 y = 300 一直到底部邊緣 y = height(674)。
這條地帶是直立的,因為人們是橫向走過畫面,由左至右。
方向很重要:由左至右越過地帶的人會計為 IN,由右至左則計為 OUT。 這段影片裡所有人都由左往右走,所以六次越線都算 IN。
第三步:建立計數器
# Initialize ObjectCounter
counter = ObjectCounter(
model=model_path,
region=region_points,
show=True,
show_labels = False,
show_conf = False,
show_in=True,
show_out=False
)
這一個物件就做完了所有工作。model 是 AI 模型,
region 是第二步那條地帶,show=True 會開啟一個視窗,
讓你即時看到影片被處理的過程。
show_labels = False 會隱藏每個方框上方的類別名稱,這裡就是
person 這個字;show_conf = False 會隱藏信心分數——
像 0.85 這種表示模型有多大把握的數字。兩者都隱藏後,只會看到乾淨的方框,在擁擠的隊伍裡容易看得多。
show_in=True 和 show_out=False 表示只在影片上畫出 IN 的累計數。
第四步:另存一份標好方框的影片
# Define the codec and create VideoWriter object to save the output video
fourcc = cv2.VideoWriter_fourcc(*'avc1') # H.264, plays on Mac
out = cv2.VideoWriter('result_queue.mp4', fourcc, fps, (width, height))
if not out.isOpened(): # avc1 not available (e.g. Windows), use mp4v instead
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter('result_queue.mp4', fourcc, fps, (width, height))
VideoWriter 是 VideoCapture 的相反:它負責寫出一個新的影片檔。
fourcc 這個代碼指定壓縮格式。avc1 是 H.264,在 Mac 上播放順暢。
如果你的電腦沒有這個格式——Windows 常見——程式會改用 mp4v,仍然能產出檔案。
輸出檔叫 result_queue.mp4,所以原始影片永遠不會被覆蓋。
第五步:逐格讀取整段影片
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
results = counter(frame)
annotated_frame = results.plot_im
# Write the annotated frame to the output video
out.write(annotated_frame)
key = cv2.waitKey(1)
if key == ord('q') or key == ord('Q'):
break
影片其實是一長串靜止的圖片,叫做畫格(frame)。迴圈每次取出一格。
ret 在還有畫格時為 true,到最後變成 false,迴圈便結束。每一格會送進
counter(frame),它找出人、更新總數,並回傳一份已經畫好方框和數字的副本。
這份副本就是 results.plot_im,也是寫入新影片的內容。
cv2.waitKey(1) 會等待 1 毫秒,看有沒有按鍵。在影片視窗按
q 或 Q 可以提早停止;否則迴圈會跑到最後一格。
第六步:關閉所有資源並印出總數
cap.release()
out.release()
cv2.destroyAllWindows()
print("In count:", results.in_count)
釋放讀取器和寫入器,就是把檔案交還給作業系統;destroyAllWindows()
關閉預覽視窗。最後一行印出 IN 的總數。這段影片印出:
In count: 6
程式執行時,預覽視窗也會顯示那條地帶、每個人身上的方框,以及每有一個人走過、數字就往上加。
完整程式
from ultralytics.solutions import ObjectCounter
import cv2
model_path = "yolo26n.pt"
video_path = "queue-management-demo.mp4"
# Get video properties: width, height, FPS (frame/second)
cap = cv2.VideoCapture(video_path)
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = cap.get(cv2.CAP_PROP_FPS)
region_points = [(width-400, 300), (width-400, height), (width-350, height), (width-350, 300)]
# Initialize ObjectCounter
counter = ObjectCounter(
model=model_path,
region=region_points,
show=True,
show_labels = False,
show_conf = False,
show_in=True,
show_out=False
)
# Define the codec and create VideoWriter object to save the output video
fourcc = cv2.VideoWriter_fourcc(*'avc1') # H.264, plays on Mac
out = cv2.VideoWriter('result_queue.mp4', fourcc, fps, (width, height))
if not out.isOpened(): # avc1 not available (e.g. Windows), use mp4v instead
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter('result_queue.mp4', fourcc, fps, (width, height))
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
results = counter(frame)
annotated_frame = results.plot_im
# Write the annotated frame to the output video
out.write(annotated_frame)
key = cv2.waitKey(1)
if key == ord('q') or key == ord('Q'):
break
cap.release()
out.release()
cv2.destroyAllWindows()
print("In count:", results.in_count)
在自己的電腦上執行
下載 zip 檔並解壓到一個資料夾。裡面有
yolo_queue.py、queue-management-demo.mp4 和
pyproject.toml。用 Visual Studio Code 開啟這個資料夾,然後在終端機逐行輸入以下三行:
uv python pin 3.12.10
uv sync
uv run yolo_queue.py
第一次執行會下載 YOLO 模型(約 5 MB),然後處理影片。在近期的手提電腦上約需一分鐘。會開啟一個影片視窗;
讓它播放,或按 q 提早停止。完成後,同一個資料夾會出現
result_queue.mp4,終端機會印出總數。
如果你還沒安裝 uv,請先看 如何安裝 Visual Studio Code?,再看 Windows 或 Mac 的 uv 筆記。
限制
- 擁擠的場景很難應付。人們肩並肩走過時,方框會重疊,追蹤器可能失去同一個人的身分, 總數便會偏離真實情況。
- 越線一次就是一次,不等於一位訪客。有人在線上來回走動,會被計兩次:一次 IN、一次 OUT。 這裡數的是移動次數,不是獨立的人數。
- 線要放在對的位置。把它放在人們會直行穿過的地方,而不是他們停下、轉身或站立的位置。 線太貼近畫面邊緣,追蹤器就沒有時間在人物離開前認出他。
- 太遠或模糊的人會被漏掉。離鏡頭很遠、移動很快,或在夜間拍攝的人,可能完全不會被畫上方框。
- 攝影機要保持不動。攝影機一移動,人在畫面裡會出現又消失,追蹤的身分也會跳來跳去。
- 擴大規模前,先用短片與人手點算比對。找一段自己親手數過的片段來執行,再比較兩個總數。
對
yolo26n這種小模型來說,差幾個人屬正常;更大的模型更準,但更慢。
延伸閱讀
- Ultralytics 物件計數指南 — 同一工具的官方教學,有更多選項。
- ObjectCounter 參數參考 — 所有參數,包括
classes和region。 - queue-management 示範影片 — 本筆記所用的原始片段。
- YOLO26 模型頁面 — 模型系列,以及
n、s、m、l各尺寸的意思。 - 如何從網路攝影機取得即時影像? — 同樣是逐格處理的概念,只是讀取攝影機而不是檔案。
- AI 如何找出你臉上的關鍵點? — 另一種用模型讀取影片畫格的方法。