计算机视觉 / 系统课时
区域计数
区域计数
本课把目标轨迹转换为业务统计:先限定有效区域,再判断同一 Track ID 是否穿越计数线,并分别累计进入与离开数量。完成后,你将得到一个带区域、计数线和实时计数结果的输出视频。
学习目标
- 区分区域占用量与穿线累计量。
- 使用 Track ID 和前后位置判断穿越方向。
- 通过死区与去重集合减少重复计数。
区域计数的判定模型
只统计检测框数量会让同一目标在每一帧都被重复计数。正确做法是先跟踪目标,再把 Track ID 的位置变化转换为“进入区域”“离开区域”或“穿越计数线”事件。Ultralytics 的对象计数方案同样建立在目标轨迹之上,并支持直线或多边形区域。
| 方式 | 统计含义 | 适合场景 |
|---|---|---|
| 多边形区域 | 当前帧位于区域内的目标数 | 停车位、排队区、仓位占用 |
| 计数线 | Track ID 穿越边界的累计事件 | 人流进出、车辆通行、传送带计件 |
本课组合两种方式:多边形只负责过滤无关目标,水平线负责判断方向。目标从线上方移动到下方记为 IN,反向记为 OUT。计数线附近设置少量死区,目标中心点在死区内时不更新方向,避免检测框抖动造成来回触发。

实现单线进出计数
下面示例使用 COCO 预训练模型的类别 0,即人员。区域和计数线按视频宽高比例生成,因此可适配不同分辨率;若使用自训练模型,应把 TARGET_CLASSES 改成对应类别编号。
import cv2
import numpy as np
from ultralytics import YOLO
INPUT_VIDEO = "input.mp4"
OUTPUT_VIDEO = "counted.mp4"
MODEL_PATH = "yolov8n.pt"
TARGET_CLASSES = [0]
DEAD_ZONE = 8
def side_of_line(y: int, line_y: int) -> int:
if y < line_y - DEAD_ZONE:
return -1
if y > line_y + DEAD_ZONE:
return 1
return 0
def main() -> None:
cap = cv2.VideoCapture(INPUT_VIDEO)
if not cap.isOpened():
raise RuntimeError(f"无法打开视频:{INPUT_VIDEO}")
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)
if fps <= 0:
fps = 25.0
writer = cv2.VideoWriter(
OUTPUT_VIDEO,
cv2.VideoWriter_fourcc(*"mp4v"),
fps,
(width, height),
)
if not writer.isOpened():
cap.release()
raise RuntimeError(f"无法创建输出视频:{OUTPUT_VIDEO}")
# 区域过滤无关目标,计数线负责生成穿越事件。
region = np.array(
[
(int(width * 0.10), int(height * 0.15)),
(int(width * 0.90), int(height * 0.15)),
(int(width * 0.90), int(height * 0.85)),
(int(width * 0.10), int(height * 0.85)),
],
dtype=np.int32,
)
line_y = int(height * 0.55)
line_x1 = int(width * 0.15)
line_x2 = int(width * 0.85)
model = YOLO(MODEL_PATH)
last_side = {}
counted_in = set()
counted_out = set()
in_count = 0
out_count = 0
try:
while True:
ok, frame = cap.read()
if not ok:
break
result = model.track(
frame,
persist=True,
tracker="bytetrack.yaml",
classes=TARGET_CLASSES,
verbose=False,
)[0]
canvas = result.plot()
overlay = canvas.copy()
cv2.fillPoly(overlay, [region], (255, 200, 0))
cv2.addWeighted(overlay, 0.12, canvas, 0.88, 0, canvas)
cv2.polylines(canvas, [region], True, (255, 200, 0), 2)
cv2.line(
canvas,
(line_x1, line_y),
(line_x2, line_y),
(0, 165, 255),
3,
)
boxes = result.boxes
if boxes is not None and boxes.id is not None:
centers = boxes.xywh.cpu().tolist()
track_ids = boxes.id.int().cpu().tolist()
for (x, y, _, _), track_id in zip(centers, track_ids):
center = (int(x), int(y))
if cv2.pointPolygonTest(region, center, False) < 0:
continue
current_side = side_of_line(center[1], line_y)
if current_side == 0:
continue
previous_side = last_side.get(track_id)
if (
previous_side == -1
and current_side == 1
and track_id not in counted_in
):
counted_in.add(track_id)
in_count += 1
elif (
previous_side == 1
and current_side == -1
and track_id not in counted_out
):
counted_out.add(track_id)
out_count += 1
last_side[track_id] = current_side
cv2.circle(canvas, center, 4, (0, 165, 255), -1)
cv2.putText(
canvas,
f"IN: {in_count} OUT: {out_count}",
(24, 42),
cv2.FONT_HERSHEY_SIMPLEX,
1.0,
(0, 255, 255),
2,
)
writer.write(canvas)
finally:
cap.release()
writer.release()
print(f"处理完成:{OUTPUT_VIDEO},进入 {in_count},离开 {out_count}")
if __name__ == "__main__":
main()预期输出
处理完成:counted.mp4,进入 <IN_COUNT>,离开 <OUT_COUNT><IN_COUNT> 与 <OUT_COUNT> 取决于视频内容。打开 counted.mp4 后,应看到有效区域、计数线、目标编号以及画面左上角持续更新的 IN 和 OUT。
验收与误差控制
先确认方向定义是否符合摄像机视角;若“进入”实际是从下向上,应交换两个分支的计数含义。计数线应尽量垂直于主要运动方向,并避开画面边缘、长期遮挡区和目标密集交汇处。
重复计数通常来自 ID 切换或边界抖动。死区可以缓解抖动,去重集合可以阻止同一 ID 在同一方向重复累计,但无法修复目标被重新编号的问题。生产环境还应记录事件时间、Track ID、类别和截图,并定期清理长时间未出现的 ID 状态。
若业务需要“当前区域内有多少目标”,不要使用累计穿线逻辑,而应在每帧统计中心点位于多边形内的有效 Track ID。若业务需要“今天经过多少辆车”,则应保存穿线事件,并把跨进程、重启和重复视频的去重放到持久化层处理。