Detección de objetos — YOLOObjectDetectorBlock¶

YOLOObjectDetectorBlock detecta objetos directamente en el flujo de vídeo. Captura fotogramas RGBA con un capturador de muestras interno, ejecuta el detector ONNX configurado, opcionalmente dibuja cuadros y etiquetas en el fotograma, y genera el evento OnObjectsDetected para los fotogramas procesados que contienen detecciones. Utilícelo cuando necesite cuadros y etiquetas sin seguimiento, líneas de disparo (tripwires) ni analítica de zonas — consulte Analítica de objetos para detección con seguimiento y zonas.

graph LR;
    Source-->YOLOObjectDetectorBlock;
    YOLOObjectDetectorBlock-->VideoRendererBlock;
    YOLOObjectDetectorBlock-. OnObjectsDetected .->App[Su aplicación];

Familias de detectores admitidas¶

Configure YoloDetectorSettings.Model para que coincida con el formato del modelo ONNX.

El SDK no incluye los pesos del detector en el paquete NuGet. El ajuste IoUThreshold solo se aplica a las familias basadas en NMS (YOLOv8, YOLOX); RT-DETR no usa NMS y lo ignora. NormalizeTo01 solo lo respeta YOLOv8 — YOLOX y RT-DETR fijan su normalización a su convención de entrenamiento.

¿Independiente o ObjectAnalyticsBlock?¶

Utilice YOLOObjectDetectorBlock cuando cada fotograma pueda tratarse de forma independiente: dibujar cuadros, recopilar etiquetas, activar alertas simples o alimentar las detecciones a su propia lógica. Utilice ObjectAnalyticsBlock cuando necesite identificadores de seguimiento estables, eventos de cruce de línea, ocupación de zonas poligonales, trazas de objetos y contadores. ObjectAnalyticsBlock reutiliza internamente YoloDetectorSettings para su detector, pero su renderizador y su modelo de eventos están construidos en torno a objetos rastreados en lugar de detecciones sin procesar por fotograma.

Uso¶

using VisioForge.Core.MediaBlocks;
using VisioForge.Core.MediaBlocks.AI;
using VisioForge.Core.MediaBlocks.VideoRendering;
using VisioForge.Core.Types.VideoProcessing;
using VisioForge.Core.Types.X.AI;

var detectorSettings = new YoloDetectorSettings(modelPath)
{
    Model = ObjectDetectorModel.YOLOX,
    ConfidenceThreshold = 0.6f,
    IoUThreshold = 0.45f,
    DrawDetections = true,
    DrawLabels = true,
    FramesToSkip = 0,
    Provider = OnnxExecutionProvider.Auto,
};

var detector = new YOLOObjectDetectorBlock(detectorSettings);
detector.OnObjectsDetected += (sender, e) =>
{
    foreach (OnnxDetection obj in e.Objects)
    {
        Console.WriteLine($"{obj.Label} #{obj.ClassId} {obj.Confidence:P0} at {obj.Box}");
    }
};

var videoRenderer = new VideoRendererBlock(pipeline, videoView) { IsSync = false };

pipeline.Connect(source.Output, detector.Input);
pipeline.Connect(detector.Output, videoRenderer.Input);

await pipeline.StartAsync();

Console.WriteLine($"Active provider: {detector.ActiveProvider}");

Cada OnnxDetection contiene el Box delimitador en coordenadas de píxeles del fotograma de origen, ClassId, Label, Confidence y TrackerId. En la detección independiente, TrackerId siempre es -1 porque ningún rastreador ha asignado una identidad.

Configuración clave¶

YoloDetectorSettings extiende OnnxInferenceSettings.

YOLOObjectDetectorBlock.ActiveProvider reporta el proveedor realmente utilizado una vez que el bloque se ha construido.

Uso con VideoCaptureCoreX y MediaPlayerCoreX¶

var detector = new YOLOObjectDetectorBlock(detectorSettings);
detector.OnObjectsDetected += Detector_OnObjectsDetected;

core.Video_Processing_AddBlock(detector); // antes de StartAsync (VideoCaptureCoreX)
// player.Video_Processing_AddBlock(detector); // antes de OpenAsync/PlayAsync (MediaPlayerCoreX)

await core.StartAsync();

Consulte Uso de bloques de IA con VideoCaptureCoreX y MediaPlayerCoreX para conocer la API completa de bloques de procesamiento, el orden de inserción y las reglas de ciclo de vida compartidas por todos los bloques de IA de vídeo.

Casos de uso¶

• Seguridad y vigilancia — señalar la presencia de personas, vehículos o clases de objetos específicas en una transmisión de cámara.
• Analítica minorista — detectar productos, cestas o personas en un pasillo de tienda para una capa de lógica de negocio posterior.
• Monitoreo industrial y de seguridad — detectar elementos de EPP requeridos, obstáculos o equipos en un fotograma (con un modelo entrenado para esas clases).
• Monitoreo de vida silvestre y tráfico — detectar animales o vehículos en una transmisión de cámara fija.
• Prefiltrado para una canalización más pesada — usar la detección independiente como un primer paso económico y ejecutar un bloque más costoso (OCR, reconocimiento facial) solo en los fotogramas o regiones donde se detectó algo.

¿Necesita identidades que persistan entre fotogramas, conteos de cruce de línea u ocupación de zonas en lugar de cuadros sin procesar por fotograma? Utilice Analítica de objetos — envuelve las mismas familias de detectores con seguimiento ByteTrack, líneas de disparo y zonas poligonales.

Solución de problemas¶

Preguntas frecuentes¶

¿Con qué familia de detectores debería empezar?¶

YOLOv8 (el predeterminado) si utiliza pesos estándar exportados de Ultralytics, pero revise primero la nota de licenciamiento AGPL-3.0. YOLOX y RT-DETR son alternativas Apache-2.0 sin requisito de licencia comercial.

¿Puedo usar mi propio modelo YOLO entrenado?¶

Sí — siempre que se haya exportado en el formato de una de las tres familias admitidas (YOLOv8/YOLOX/RTDETR) y configure Model y Labels para que coincidan con las clases de su entrenamiento.

¿YOLOObjectDetectorBlock rastrea objetos entre fotogramas?¶

No — cada detección es independiente por fotograma (TrackerId siempre es -1). Utilice ObjectAnalyticsBlock cuando necesite identidades estables, líneas de disparo o zonas.

¿Se requiere una GPU para la detección en tiempo real?¶

No, pero un proveedor de ejecución GPU (CUDA, DirectML o CoreML) reduce la latencia por fotograma en comparación con la CPU, lo cual es especialmente relevante en tasas de fotogramas altas o con modelos de detector más grandes.

Demos¶

• YOLO Object Detection Demo — demo de Media Blocks para WPF que cubre tanto la detección independiente como el modo de analítica de objetos.
• YOLO Object Detection MB — la misma demo de Media Blocks para MAUI.

Las demos dedicadas de detección de objetos para VideoCaptureCoreX/MediaPlayerCoreX (Capture Object Detection X, Capture Object Detection X WPF, Player Object Detection X, Player Object Detection X WPF) forman parte del conjunto de demos del SDK y se enlazarán aquí una vez publicadas en el repositorio público de muestras.