【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！

技术分享 6个月前 (09-05) 0 999+

关注

视频演示

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()