YOLO11解决方案之对象裁剪探索

概述

Ultralytics提供了一系列的解决方案，利用YOLO11解决现实世界的问题，包括物体计数、模糊处理、热力图、安防系统、速度估计、物体追踪等多个方面的应用。

对象裁剪是指从图像或视频中分离并提取特定的检测对象，YOLO11 模型功能可用于准确识别和划分物体，从而实现精确裁剪，以便进一步分析或处理。使用YOLO11 可以方便的对目标对象进行裁剪，可对场景中的单个项目进行深入检查或处理，同时可以显著降低数据量，方便传输和存储。

演示代码

Ultralytics提供了演示代码，展示如何使用距离计算解决方案。

复制代码

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Initialize object cropper object
cropper = solutions.ObjectCropper(
    
    model="yolo11n.pt",  # model for object cropping i.e yolo11x.pt.
    classes=[0, 2],  # crop specific classes i.e. person and car with COCO pretrained model.
    # conf=0.5,  # adjust confidence threshold for the objects.
    # crop_dir="cropped-detections",  # set the directory name for cropped detections
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if not success:
        print("Video frame is empty or processing is complete.")
        break

    results = cropper(im0)

    # print(results)  # access the output

cap.release()
cv2.destroyAllWindows()  # destroy all opened windows

`ObjectCropper`参数

基本参数

参数	类型	默认值	说明
`model`	`str`	`None`	Ultralytics YOLO 模型文件的路径。
`crop_dir`	`str`	`"cropped-detections"`	用于存储裁剪检测数据的目录名称。

可视化参数：

参数	类型	默认值	说明
`show`	`bool`	`False`	在这个方案中，show参数没有作用。

工作原理

ObjectCropper 类的工作原理是对图像中被检测到的物体，根据边框信息，裁剪下来，并保存为独立的图像文件。这个类比较简单。

复制代码

class ObjectCropper(BaseSolution):
    """
   这个类继承自BaseSolution类，根据检测到的边框，把物体裁剪下来保存为独立的文件。
   Attributes:
        crop_dir (str): 指定裁剪图片的保存路径
        crop_idx (int): 裁剪对象的数据
        iou (float): IoU阈值.
        conf (float): 置信度阈值.

    Methods:
        process: 对输入的图像中的检测物体进行裁剪并保存


    def __init__(self, **kwargs):
        
        super().__init__(**kwargs)

        self.crop_dir = self.CFG["crop_dir"]  # Directory for storing cropped detections
        if not os.path.exists(self.crop_dir):
            os.mkdir(self.crop_dir)  # Create directory if it does not exist
        if self.CFG["show"]:
            self.LOGGER.warning(
                f"show=True disabled for crop solution, results will be saved in the directory named: {self.crop_dir}"
            )
        self.crop_idx = 0  # Initialize counter for total cropped objects
        self.iou = self.CFG["iou"]
        self.conf = self.CFG["conf"]

    def process(self, im0):
        
        results = self.model.predict(
            im0, classes=self.classes, conf=self.conf, iou=self.iou, device=self.CFG["device"]
        )[0]

        for box in results.boxes:
            self.crop_idx += 1
            save_one_box(
                box.xyxy,
                im0,
                file=Path(self.crop_dir) / f"crop_{self.crop_idx}.jpg",
                BGR=True,
            )

        # Return SolutionResults
        return SolutionResults(plot_im=im0, total_crop_objects=self.crop_idx)

效果展示

这里使用演示代码和测试视频，展示裁剪的物体图片。

裁剪图片保存在指定目录下：