TableVision AI
мониторинг занятости столиков в ресторане по видео
2 min readupdated
Готовая система компьютерного зрения на Python от CodeEvelyn, которая анализирует запись с камеры наблюдения в ресторане и определяет, какие столы заняты, а какие свободны. В основе лежит детектор YOLO11 (предобученный на COCO), а результаты выводятся в интерактивный веб-дашборд на базе Streamlit. В отличие от простого подсчёта людей в кадре, проект использует временную фильтрацию (гистерезис), чтобы проходящие мимо официанты или случайные перекрытия не меняли статус стола. Пригодится разработчикам, изучающим прикладную видеоаналитику, и владельцам заведений для автоматического учёта посадки.
Ключевые особенности
- Привязка по точке опоры: система вычисляет координаты области бёдер человека (65% высоты рамки) и проверяет их попадание в заданный полигон стола с допуском 12 пикселей.
- Защита от ложных срабатываний: стол считается занятым при наличии человека в ≥ 60% проверок за последние 10 секунд и освобождается только если доля ниже 15% за 20 секунд.
- Веб-дашборд на Streamlit: отображает видеопоток с зелёными и красными контурами столов, общую статистику, таймеры длительности статуса и историю изменений.
- Гибкая настройка: в интерфейсе можно выбрать между быстрой моделью
yolo11nи более точнойyolo11s, а также задать шаг пропуска кадров для работы на CPU.
Что можно сделать
- Внедрить в кафе или фудкорте: разметить зоны посадки под свою камеру с помощью встроенного скрипта
configurar_mesas.pyи отслеживать загруженность зала. - Использовать как шаблон для видеоаналитики: адаптировать логику полигонов и конечного автомата для контроля очередей, парковочных мест или рабочих зон.
- Оптимизировать под слабое железо: настроить анализ каждого 10-го кадра (~3 проверки в секунду), чтобы запускать систему без мощной видеокарты.
Пример
python -m venv .venv
.\.venv\Scripts\python -m pip install -r requirements.txt
.\.venv\Scripts\python -m streamlit run app.py
Подробнее
Поддерживаемые модели: yolo11n (быстрая) и yolo11s (точнее на дальнем плане).Тестовый ролик: 640×368, 30 fps, длительность 62 минуты (14 размеченных столов).
Ограничения: столы на краю кадра определяются хуже, а официант, стоящий у пустого стола дольше 10 секунд, может отметить его как занятый.










Comments