ระบบตรวจจับและติดตามยานพาหนะแบบเรียลไทม์ โดยใช้ YOLOv11 สำหรับการตรวจจับ และ ByteTrack สำหรับการติดตามวัตถุ พร้อมวิเคราะห์การเคลื่อนผ่านเส้น IN/OUT ภายในพื้นที่ที่กำหนด เหมาะสำหรับลานจอดรถ ระบบ IoT และอุปกรณ์ Edge

ระบบนี้ใช้เทคนิค Object Detection และ Object Tracking เพื่อนับจำนวนวัตถุที่เคลื่อนผ่านเส้นทางเข้า/ออกภายใน Polygon ROI จากวิดีโอหรือกล้องแบบเรียลไทม์ โดยสามารถติดตามวัตถุด้วย Track ID อย่างแม่นยำแม้ในกรณีที่มีการบดบัง (Occlusion) และรองรับการแสดงผล overlay เช่น IN / OUT / FPS บนวิดีโอที่ประมวลผลแล้ว

.
├── count_vehicle.py        # สคริปต์หลักสำหรับนับจำนวนรถ
├── get_frame.py            # สคริปต์ดึงเฟรมจากวิดีโอเพื่อใช้วาด Polygon บน Roboflow PolygonZone
├── videos/                 # วิดีโอต้นฉบับ
├── weights/                # ไฟล์โมเดล YOLOv11 (.pt) 
├── outputs/                # ไฟล์วิดีโอหรือภาพผลลัพธ์
├── README.md               # เอกสารประกอบนี้
├── requirements.txt        # รายการไลบรารีที่จำเป็น

• ตรวจจับยานพาหนะ (รถยนต์ รถกระบะ ฯลฯ) ด้วย YOLOv11
• ติดตามวัตถุด้วย ByteTrack โดยใช้ Track ID เดิมแม้จะมี Occlusion
• ครอบพื้นที่สนใจด้วย Polygon และตรวจจับเฉพาะในพื้นที่นั้น
• นับเฉพาะวัตถุที่เคลื่อน “ผ่านเส้น” IN/OUT
• แสดง overlay แบบ real-time ได้แก่ IN / OUT / FPS

ภาพ GIF ด้านล่างแสดงให้เห็นการทำงานของระบบนับรถเข้า-ออกแบบเรียลไทม์ โดยตรวจจับยานพาหนะที่เคลื่อนผ่านเส้น IN/OUT ภายในพื้นที่ Polygon ROI

▶️ ชมวิดีโอสาธิตแบบเต็ม ได้ที่ YouTube

1. วางวิดีโอไว้ในโฟลเดอร์ videos/
2. วางโมเดล YOLOv11 (yolo11x.pt) ไว้ในโฟลเดอร์ weights/ หากไม่มีโมเดลจะถูกโหลดอัตโนมัติเมื่อรันสคริปต์
3. แก้ไขบรรทัดใน count_vehicle.py ให้ตรงกับชื่อไฟล์ของคุณ:

video_name = "parking.mp4"
model_name = "yolo11x.pt"

🔗 Download: parking.mp4

4. รันโปรแกรม:

python count_vehicle.py

5. กด q เพื่อหยุดการทำงาน วิดีโอที่ผ่านการประมวลผลจะถูกบันทึกไว้ในโฟลเดอร์ outputs/

สามารถใช้ get_frame.py เพื่อดึงเฟรมจากวิดีโอเพื่อไปวาด ROI บนเว็บไซต์ https://polygonzone.roboflow.com

python get_frame.py  # ดึงเฟรมที่ 100 (สามารถเปลี่ยนเลขในสคริปต์ได้)

ผลลัพธ์จะถูกเก็บไว้ใน outputs/frame_100.jpg

numpy
torch
opencv-python
ultralytics
supervision

ติดตั้งไลบรารี:

pip install -r requirements.txt

• ตรวจนับรถเข้า-ออกในลานจอดรถ
• วิเคราะห์ความแออัดของถนนในเขตเมือง
• ใช้กับกล้องบนอุปกรณ์ IoT หรือ Edge Device เพื่อประมวลผลแบบ local

• Open source computer vision library OpenCV
• YOLOv11 Ultralytics
• พัฒนาโดย MorseTech Lab

Project นี้เผยแพร่ภายใต้ GNU Affero General Public License v3.0 (AGPLv3) เพื่อให้สอดคล้องกับเงื่อนไขการใช้งานของไลบรารีที่เกี่ยวข้อง