在计算机视觉项目中，经常需要对图像中的特定区域进行对象计数。例如，在一个交通监控视频中，可能想要计算每个车道中有多少辆车。如果没有预先知道图像中每个区域的坐标，手动绘制这些区域将非常困难。
为了解决这个问题，推出了PolygonZone，这是一个独立的网页工具，允许在图像上绘制多边形，并获取包含绘制的多边形顶点的PythonNumPy数组或JSON对象。
首先，需要从视频流中捕获一张图像。这张图像必须与稍后绘制多边形的图像具有相同的尺寸和分辨率，以确保坐标正确。如果打算在静态图像上绘制多边形，可以跳过这一步。
在教程中，将使用一个Jupyter笔记本，该笔记本使用Roboflow Supervision库来计算绘制的多边形内的对象数量。打开相应的笔记本并执行前两个单元格。
在笔记本的“捕获图像”部分，有一行代码会保存视频中的第一帧。由于摄像机在视频中不改变角度，知道在该帧上绘制的多边形将适用于整个视频。
执行代码单元格以将帧保存到文件。然后，从Colab中通过点击侧边栏中的图像名称，然后点击三个点，再点击“下载”链接来下载图像。
接下来，打开网络浏览器中的PolygonZone。将在上一步中保存的“first_frame.png”文件，或任何其他想要绘制多边形坐标的图像拖入要求放入文件的框中。
可以使用鼠标滚轮或笔记本电脑触控板放大图像。当准备好时，点击图像以绘制多边形。绘制完一个多边形后，按Enter键完成绘制。绘制完一个多边形后，可以创建另一个多边形，并继续重复此过程，直到绘制了所有需要的感兴趣区域。
当绘制多边形时，页面底部的Python和JSON代码片段将改变，显示绘制的新坐标。
例如，已经为交通视频中的每个车道绘制了两个多边形。这是道路上带有完成多边形的图像：
PolygonZone为生成了一些Python代码，可以将这些代码复制到脚本中，用于在视频流中创建感兴趣区域。还可以通过点击“保存图像”按钮来保存图像以供参考。这是为坐标生成的NumPy代码：
[
np.array([
[754, 579],[942, 579],[899, 1073],[21, 1064],[8, 988]
]),np.array([
[978, 585],[1054, 1064],[1905, 1067],[1172, 573]
])
]
有了多边形坐标，就可以监控在多个图像和视频中的帧中，一个区域内出现的对象数量。
要绘制图像上的坐标，可以使用Supervision Zones功能。Zones功能允许使用多边形坐标在图像上绘制不同的区域。
在在步骤1中使用的Colab笔记本中，用从PolygonZone检索到的代码替换“polygons”变量。然后，运行笔记本中相应的单元格。运行直到“视频推理”部分的剩余单元格。这些单元格初始化了区域和注释器功能，以便可以在图像上绘制区域并在图像上对其进行注释。然后，代码执行了一个YOLOv8s模型（没有任何微调）来运行推理。
运行最后一个单元格后，将看到多边形绘制在图像上。模型返回的所有检测将在Colab笔记本中的图像上显示。这是正在使用的路视频的一个示例：
模型在标记区域内检测到了许多车辆。每个区域中间都有一个大数字，显示在该区域内进行了多少次预测。左车道发现了12辆车，右车道发现了11辆车。左车道用红色注释，右车道用绿色注释。两个区域之外的对象预测没有显示在注释图像上。这是由监督库处理的。
车道中的一些车辆没有注释。这是因为为此特定目的使用了没有微调的模型。要改进预测，可以微调一个识别汽车的模型。如果想改进汽车计数用例的模型，请访问Roboflow Universe以找到用于汽车计数的预训练数据集和模型。
本项目的Colab笔记本包含一行代码，该代码将使用计算的多边形在指定视频的每一帧上绘制区域。执行“视频推理”部分下的代码单元格，以查看注释应用于视频中的每一帧。请注意，这可能需要一些时间，具体取决于视频大小。
注释后的视频保存到一个名为"result.mp4"的文件中。交通计数应用程序的示例结果出现在本文的开头。
在本教程中，介绍了如何使用PolygonZone计算图像上的多边形坐标。可以使用这些坐标在图像上绘制感兴趣区域。结合监督库，这些坐标可以用来监控给定区域内的对象数量。
有了PolygonZone，计算计算机视觉项目中的多边形坐标不再需要手动、耗时的过程。上传图像，绘制多边形，并复制需要的坐标以在应用程序中使用。