视频演示
【YOLOv12实战】寥寥数行代码实现目标跟踪与速度估计，新手也能轻松搞定！
大家好，这里是Coding茶水间。今天分享一个超简单的教程：如何使用YOLO算法，只需几行代码，就能实现目标跟踪和速度估计。
新手小白也能轻松上手！这个方法基于Ultralytics的YOLO框架，结合OpenCV处理视频，效果超级实用。
废话不多说，我们直接从头开始敲代码。整个过程简单明了，只需要导入两个包，就能完成视频中的车辆和行人速度估计演示。
环境准备
本次演示基于YOLOv12的最新算法运行环境。大家可以去Ultralytics官网下载最新版本，这里不再赘述。环境包括我这里用到的Python 3.10、Ultralytics包和OpenCV。确保你已经提前下载YOLOv12的预训练权重文件（yolo12n.pt）。
步骤详解
第一步：创建Python文件
新建一个Python文件，命名为speed_estimator.py（或者随便你喜欢的名字）。
第二步：导入必要的包
我们只需要导入Ultralytics的solutions模块中的speed_estimation，以及OpenCV用于视频处理。
from ultralytics.solutions import speed_estimation
import cv2- ultralytics.solutions.speed_estimation：这是YOLO框架提供的速度估计模块，超级方便。
- cv2：OpenCV库，用于读取和处理视频。
第三步：读取视频
使用OpenCV的VideoCapture方法加载视频文件。这里假设你的视频文件名为speed_hd.mp4，路径可以根据实际情况调整。
# 读取视频
cap = cv2.VideoCapture("speed_hd.mp4")这个cap变量就是视频捕获对象，我们后续会用它逐帧读取图像。
第四步：创建速度估计对象
初始化一个SpeedEstimator对象，这是核心部分。传递几个关键参数：
speed_obj = speed_estimation.SpeedEstimator(
model = "yolo12n.pt", # 指定模型（YOLOv12预训练权重）
show = True, # 是否展示中间处理效果
meter_per_pixel = 0.3 # 每像素对应的实际距离（米）
)- model：指定YOLO模型的权重文件。这里用yolo12n.pt，这是YOLOv12的nano版本，轻量高效。你可以替换成其他版本如yolo12s.pt等。
- show：设置为True，表示在处理过程中实时显示速度估计效果。如果设置为False，你可以自己处理结果。
- meter_per_pixel：这是一个关键参数！它定义了视频中一个像素对应实际世界的多少米（类似于地图比例尺）。这里设为0.3米/像素，根据你的视频拍摄距离和相机参数调整这个值，能让速度估计更准确。视频中的速度是基于像素移动距离模拟的，所以这个转换关系直接影响结果。
第五步：处理视频帧
使用while循环逐帧读取视频，进行速度估计。
# 处理视频
while cap.isOpened():
success, im0 = cap.read()
if not success:
break
results = speed_obj(im0)- cap.isOpened()：检查视频是否还能读取。
- cap.read()：读取一帧图像，返回成功标志success和图像im0。
- 如果读取失败，就跳出循环。
- speed_obj(im0)：直接把图像传入速度估计对象，它会自动进行目标检测、跟踪和速度计算。因为show=True，它会实时显示结果，包括车辆或行人的速度（单位：km/h 或类似）。
第六步：释放资源
处理完视频后，释放视频对象并关闭窗口。
cap.release()
cv2.waitKey(0)
cv2.destroyAllWindows()- cap.release()：释放视频捕获资源。
- cv2.waitKey(0)：等待用户按键，防止程序立即退出，便于查看最终状态。
- cv2.destroyAllWindows()：关闭所有OpenCV窗口。
完整代码
把以上部分组合起来，就是完整的脚本：
from ultralytics.solutions import speed_estimation
import cv2
#读取视频
cap = cv2.VideoCapture("speed_hd.mp4")
speed_obj = speed_estimation.SpeedEstimator(
model = "yolo12n.pt", #指定模型
show = True,
meter_per_pixel = 0.3 #每像素对应的米数
)
#处理视频
while cap.isOpened():
success, im0 = cap.read()
if not success:
break
results = speed_obj(im0)
cap.release()
cv2.waitKey(0)
cv2.destroyAllWindows()运行效果
运行这个脚本后，它会打开视频窗口，实时显示检测到的目标（车辆、行人等），并在每个目标上标注速度估计值。效果如视频演示：对路边车辆和行人进行跟踪，计算模拟速度。
注意事项：
- 速度估计基于像素移动，不是真实速度数据，所以有一定误差。调整meter_per_pixel可以优化精度。
- 如果视频中物体移动太快或太慢，模型可能需要微调。
- 环境问题：如果报错（如模型路径不对），检查权重文件是否下载正确。YOLOv12是最新版，性能比之前的YOLOv8更强。
结语
通过这个简单教程，你可以看到YOLO框架的强大------只需寥寥数行代码，就能实现目标跟踪和速度估计！适合入门AI视觉项目。
有问题欢迎留言讨论，一起交流学习！Coding茶水间，下期见~