Ultralytics：使用 YOLO11 进行物体计数

前言

• 由于本人水平有限，难免出现错漏，敬请批评改正。
• 更多精彩内容，可点击进入Python日常小操作专栏、OpenCV-Python小应用专栏、YOLO系列专栏、自然语言处理专栏、人工智能混合编程实践专栏或我的个人主页查看
• 人工智能混合编程实践：C++调用Python ONNX进行YOLOv8推理
• 人工智能混合编程实践：C++调用封装好的DLL进行YOLOv8实例分割
• 人工智能混合编程实践：C++调用Python ONNX进行图像超分重建
• 人工智能混合编程实践：C++调用Python AgentOCR进行文本识别
• 通过计算实例简单地理解PatchCore异常检测
• Python将YOLO格式实例分割数据集转换为COCO格式实例分割数据集
• YOLOv8 Ultralytics：使用Ultralytics框架训练RT-DETR实时目标检测模型
• 基于DETR的人脸伪装检测
• YOLOv7训练自己的数据集（口罩检测）
• YOLOv8训练自己的数据集（足球检测）
• YOLOv5：TensorRT加速YOLOv5模型推理
• YOLOv5：IoU、GIoU、DIoU、CIoU、EIoU
• 玩转Jetson Nano（五）：TensorRT加速YOLOv5目标检测
• YOLOv5：添加SE、CBAM、CoordAtt、ECA注意力机制
• YOLOv5：yolov5s.yaml配置文件解读、增加小目标检测层
• Python将COCO格式实例分割数据集转换为YOLO格式实例分割数据集
• YOLOv5：使用7.0版本训练自己的实例分割模型（车辆、行人、路标、车道线等实例分割）
• 使用Kaggle GPU资源免费体验Stable Diffusion开源项目
• Stable Diffusion：在服务器上部署使用Stable Diffusion WebUI进行AI绘图（v2.0）
• Stable Diffusion：使用自己的数据集微调训练LoRA模型（v2.0）

环境要求

Package                        Version       Editable project location
------------------------------ ------------- ---------------------------------------
albumentations                 1.3.1
altgraph                       0.17.4
annotated-types                0.7.0
anyio                          4.10.0
astor                          0.8.1
attrs                          25.3.0
babel                          2.17.0
backports.tarfile              1.2.0
bce-python-sdk                 0.9.42
black                          25.1.0
blinker                        1.9.0
build                          1.3.0
certifi                        2025.8.3
chardet                        5.2.0
charset-normalizer             3.4.3
click                          8.2.1
colorama                       0.4.6
coloredlogs                    15.0.1
contourpy                      1.3.2
cycler                         0.12.1
Cython                         3.1.1
decorator                      5.2.1
distro                         1.9.0
docutils                       0.22
easydict                       1.13
exceptiongroup                 1.3.0
faiss-cpu                      1.7.1.post3
filelock                       3.19.1
flake8                         7.3.0
Flask                          3.1.2
flask-babel                    4.0.0
flask-cors                     6.0.1
flatbuffers                    25.2.10
fonttools                      4.59.2
fsspec                         2025.7.0
future                         1.0.0
gast                           0.3.3
h11                            0.16.0
httpcore                       1.0.9
httpx                          0.28.1
huggingface-hub                0.34.4
humanfriendly                  10.0
id                             1.5.0
idna                           3.10
imageio                        2.37.0
imgaug                         0.4.0
importlib_metadata             8.7.0
itsdangerous                   2.2.0
jaraco.classes                 3.4.0
jaraco.context                 6.0.1
jaraco.functools               4.3.0
Jinja2                         3.1.6
jiter                          0.10.0
joblib                         1.5.2
json_repair                    0.50.0
jsonlines                      4.0.0
keyring                        25.6.0
kiwisolver                     1.4.9
lap                            0.5.12
lapx                           0.5.5
lazy_loader                    0.4
llvmlite                       0.39.1
Markdown                       3.8.2
markdown-it-py                 4.0.0
MarkupSafe                     3.0.2
matplotlib                     3.10.5
mccabe                         0.7.0
mdurl                          0.1.2
more-itertools                 10.7.0
motmetrics                     1.4.0
mpmath                         1.3.0
mypy_extensions                1.1.0
natsort                        8.1.0
networkx                       3.4.2
nh3                            0.3.0
numba                          0.56.4
numpy                          1.23.5
onnx                           1.12.0
onnxruntime-gpu                1.15.0
onnxslim                       0.1.46
openai                         1.102.0
opencv-contrib-python-headless 4.7.0.72
opencv-python                  4.6.0.66
opencv-python-headless         4.11.0.86
opt-einsum                     3.3.0
packaging                      25.0
paddle-bfloat                  0.1.7
paddleclas                     0.0.0         e:\x-anylabeling-3_2_1\paddleclas-2_5_0
paddledet                      0.0.0
paddlepaddle-gpu               2.4.2.post116
paddleslim                     1.1.1
paddlex                        1.3.7
pandas                         2.3.2
pathspec                       0.12.1
pefile                         2023.2.7
Pillow                         9.5.0
pip                            23.0.1
platformdirs                   4.4.0
prettytable                    3.16.0
protobuf                       3.20.0
psutil                         7.0.0
py-cpuinfo                     9.0.0
pyclipper                      1.3.0.post6
pycocotools                    2.0.7
pycodestyle                    2.14.0
pycryptodome                   3.23.0
pydantic                       2.11.7
pydantic_core                  2.33.2
pyflakes                       3.4.0
Pygments                       2.19.2
pyinstaller                    6.15.0
pyinstaller-hooks-contrib      2025.8
pyparsing                      3.2.3
pyproject_hooks                1.2.0
PyQt5                          5.15.7
PyQt5-Qt5                      5.15.2
PyQt5_sip                      12.17.0
PyQtWebEngine                  5.15.7
PyQtWebEngine-Qt5              5.15.2
pyreadline3                    3.5.4
python-dateutil                2.9.0.post0
pytz                           2025.2
pywin32-ctypes                 0.2.3
PyYAML                         6.0.2
pyzmq                          27.0.2
qimage2ndarray                 1.10.0
qudida                         0.0.4
rarfile                        4.2
readme_renderer                44.0
requests                       2.32.5
requests-toolbelt              1.0.0
rfc3986                        2.0.0
rich                           14.1.0
ruamel.yaml                    0.18.14
ruamel.yaml.clib               0.2.12
scikit-image                   0.24.0
scikit-learn                   1.7.1
scipy                          1.15.3
seaborn                        0.13.2
setproctitle                   1.3.6
setuptools                     66.0.0
shapely                        2.0.7
six                            1.17.0
sklearn                        0.0
sniffio                        1.3.1
sympy                          1.14.0
termcolor                      1.1.0
terminaltables                 3.1.10
threadpoolctl                  3.6.0
tifffile                       2025.5.10
tokenizers                     0.21.4
tomli                          2.2.1
torch                          1.13.1+cu116
torchaudio                     0.13.1+cu116
torchvision                    0.14.1+cu116
tqdm                           4.67.1
twine                          6.1.0
typeguard                      4.4.0
typing_extensions              4.15.0
typing-inspection              0.4.1
tzdata                         2025.2
ujson                          5.11.0
ultralytics                    8.3.134
ultralytics-thop               2.0.16
urllib3                        2.5.0
visualdl                       2.5.3
watchfiles                     1.1.0
wcwidth                        0.2.13
Werkzeug                       3.1.3
xlwt                           1.3.0
xmltodict                      0.14.2
zipp                           3.23.0

相关介绍

• Python是一种跨平台的计算机程序设计语言。是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。
• PyTorch 是一个深度学习框架，封装好了很多网络和深度学习相关的工具方便我们调用，而不用我们一个个去单独写了。它分为 CPU 和 GPU 版本，其他框架还有 TensorFlow、Caffe 等。PyTorch 是由 Facebook 人工智能研究院（FAIR）基于 Torch 推出的，它是一个基于 Python 的可续计算包，提供两个高级功能：1、具有强大的 GPU 加速的张量计算（如 NumPy）；2、构建深度神经网络时的自动微分机制。
• YOLO11是Ultralytics YOLO系列实时目标探测器的最新版本，重新定义了具有尖端精度，速度和效率的可能性。在以前的YOLO版本令人印象深刻的进步的基础上，YOLO11引入了架构和训练方法的重大改进，使其成为广泛的计算机视觉任务的通用选择。
  [1] Ultralytics 源代码地址：https://github.com/ultralytics/ultralytics.git
  [2] YOLO11 官方文档：https://docs.ultralytics.com/models/yolo11/
• 关键特性
  • 增强的特征提取：YOLO11采用了改进的骨干和颈部架构，增强了特征提取能力，以实现更精确的目标检测和复杂的任务性能。
  • 优化效率和速度：YOLO11引入了精炼的架构设计和优化的培训管道，提供更快的处理速度，并保持精度和性能之间的最佳平衡。
  • 更少参数的更高精度：随着模型设计的进步，YOLO11m在使用COCO数据集时实现了更高的平均平均精度(mAP)。

安装环境

pip install ultralytics
# 或者
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple # 国内清华源，下载速度更快

物体计数

参数说明

代码实现

import cv2

from ultralytics import solutions

# Initialize object counter object
counter = solutions.ObjectCounter(
    show=False,  # display the output
    region=[],  # pass region points
    model="yolo11s.pt",  # model="yolo11n-obb.pt" for object counting with OBB model.
    # classes=[0, 2],  # count specific classes i.e. person and car with COCO pretrained model.
    # tracker="botsort.yaml",  # choose trackers i.e "bytetrack.yaml"
    # show_in=True,
    # show_out=True,
    device="0"  # use GPU for inference
)


im0 = cv2.imread(r"1.png")  # input image file
results = counter(im0)
# print(results)  # access the output

cv2.putText(
        results.plot_im,
        f"object_num: {results.total_tracks}",
        (0, 0 + 30),
        cv2.FONT_HERSHEY_SIMPLEX,
        1,
        (0, 0, 255),
        2,
    )  # put FPS text on image
cv2.imshow("ObjectCounter", results.plot_im)  # display the processed image
cv2.waitKey(0)  # wait for a key press to close the displayed image
cv2.destroyAllWindows()  # destroy all opened windows

输出结果

更多功能

• 更多功能可查阅Ultralytics官方项目代码中的相关文档，自行探索。

参考

[1] https://github.com/ultralytics/ultralytics.git
[2] https://docs.ultralytics.com/

• 由于本人水平有限，难免出现错漏，敬请批评改正。
• 更多精彩内容，可点击进入Python日常小操作专栏、OpenCV-Python小应用专栏、YOLO系列专栏、自然语言处理专栏、人工智能混合编程实践专栏或我的个人主页查看
• 人工智能混合编程实践：C++调用Python ONNX进行YOLOv8推理
• 人工智能混合编程实践：C++调用封装好的DLL进行YOLOv8实例分割
• 人工智能混合编程实践：C++调用Python ONNX进行图像超分重建
• 人工智能混合编程实践：C++调用Python AgentOCR进行文本识别
• 通过计算实例简单地理解PatchCore异常检测
• Python将YOLO格式实例分割数据集转换为COCO格式实例分割数据集
• YOLOv8 Ultralytics：使用Ultralytics框架训练RT-DETR实时目标检测模型
• 基于DETR的人脸伪装检测
• YOLOv7训练自己的数据集（口罩检测）
• YOLOv8训练自己的数据集（足球检测）
• YOLOv5：TensorRT加速YOLOv5模型推理
• YOLOv5：IoU、GIoU、DIoU、CIoU、EIoU
• 玩转Jetson Nano（五）：TensorRT加速YOLOv5目标检测
• YOLOv5：添加SE、CBAM、CoordAtt、ECA注意力机制
• YOLOv5：yolov5s.yaml配置文件解读、增加小目标检测层
• Python将COCO格式实例分割数据集转换为YOLO格式实例分割数据集
• YOLOv5：使用7.0版本训练自己的实例分割模型（车辆、行人、路标、车道线等实例分割）
• 使用Kaggle GPU资源免费体验Stable Diffusion开源项目
• Stable Diffusion：在服务器上部署使用Stable Diffusion WebUI进行AI绘图（v2.0）
• Stable Diffusion：使用自己的数据集微调训练LoRA模型（v2.0）