رؤية YOLO 2026:

خرائط التمثيل الحراري لتتبع الكائنات باستخدام Ultralytics YOLO26#

Open Heatmaps In Colab

تتعقب Heatmap solution في Ultralytics YOLO26 الكائنات عبر إطارات الفيديو وتراكب شدة حركة المتراكمة الخاصة بها على كل إطار، بحيث توهج المناطق المزدحمة بألوان دافئة بينما تظل المناطق الهادئة باردة. تم بناؤه على YOLO26 object tracking، ويحول أي فيديو إلى خريطة نشاط مكاني تكشف عن تدفق حركة المرور، وحركة الحشود، ومناطق البقاء باستخدام استدعاء Python واحد أو أمر CLI.



Watch: Heatmaps using Ultralytics YOLO26

لماذا نستخدم الخرائط الحرارية لتحليلات الفيديو؟#

  • رصد أنماط النشاط في لمحة سريعة: تتراكم الكثافة حيثما يقضي الكائنات المتعقبة وقتها، لذا تبرز مسارات المرور المزدحمة، أو الأرفف الشائعة، أو اختناقات الحشود دون الحاجة إلى مراجعة يدوية لكل إطار على حدة.
  • التتبع مدمج: يقوم الحل بتشغيل الكشف والتتبع في YOLO26 داخليًا، لذا لا يوجد خط تتبع منفصل يجب إعداده.
  • العد في نفس التمرير: قم بتمرير region لعد الكائنات التي تدخل وتخرج من منطقة ما أثناء بناء الخريطة الحرارية، مما يجمع بين مهمتي تحليل في تشغيل واحد.

تطبيقات العالم الحقيقي#

النقلالتجزئة
Ultralytics YOLO heatmap overlay showing vehicle traffic densityUltralytics YOLO heatmap overlay showing retail customer movement
خريطة Ultralytics YOLO الحرارية للنقلخريطة Ultralytics YOLO الحرارية للبيع بالتجزئة

كيفية إنشاء خرائط حرارية باستخدام Ultralytics YOLO#

قم بتشغيل حل الخريطة الحرارية على مصدر فيديو من CLI أو Python. يكتب مثال Python الإطارات المعالجة في ملف فيديو مخرج:

خرائط الحرارة باستخدام Ultralytics YOLO
# Run a heatmap example
yolo solutions heatmap show=True

# Pass a source video
yolo solutions heatmap source="path/to/video.mp4"

# Pass a custom colormap
yolo solutions heatmap colormap=cv2.COLORMAP_INFERNO

# Heatmaps + object counting
yolo solutions heatmap region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"

وسائط Heatmap()#

إليك جدول يحتوي على وسائط Heatmap:

الوسيطالنوعالافتراضيالوصف
modelstrNoneالمسار إلى ملف نموذج Ultralytics YOLO.
colormapintcv2.COLORMAP_DEEPGREENخريطة الألوان لاستخدامها في الخريطة الحرارية.
show_inboolTrueعلامة للتحكم في عرض عدد الكائنات الداخلة في بث الفيديو.
show_outboolTrueعلامة للتحكم في عرض عدد الكائنات الخارجة في بث الفيديو.
regionlist أو dictNoneالنقاط التي تحدد منطقة الاهتمام، إما قائمة من صفوف (x, y) أو قاموس يربط أسماء المناطق بقوائم النقاط لمناطق متعددة (RegionCounter فقط). عندما يكون None، تتراجع الحلول التي تتطلب منطقة إلى افتراضي مُحدد مسبقًا.
line_widthint2سمك الخط للمربعات والنقاط الرئيسية والعدادات التي ترسمها الحلول.
verboseboolTrueيمكّن سجل الحلول لكل إطار لشكل الإدخال، وعدد الفئات، وسرعة المعالجة. استدعاء التتبع بحد ذاته صامت دائماً.

يمكنك أيضاً تطبيق وسائط track مختلفة في حل Heatmap.

الوسيطالنوعالافتراضيالوصف
trackerstr'botsort.yaml'يحدد خوارزمية التتبع المراد استخدامها. الخيارات المضمنة: botsort.yaml، وbytetrack.yaml، وocsort.yaml، وdeepocsort.yaml، وfasttrack.yaml، وtracktrack.yaml.
conffloat0.25يضبط عتبة الثقة للاكتشافات؛ تسمح القيم المنخفضة بتتبع المزيد من الكائنات ولكنها قد تتضمن إيجابيات كاذبة.
ioufloat0.7يحدد عتبة Intersection over Union (IoU) لتصفية عمليات الكشف المتداخلة.
classeslistNoneيقوم بتصفية النتائج حسب الفهرس الفئة. على سبيل المثال، يقوم classes=[0, 2, 3] بتتبع الفئات المحددة فقط.
devicestrNoneيحدد الجهاز للاستدلال (مثل cpu أو cuda:0 أو 0). يسمح للمستخدمين بالاختيار بين وحدة المعالجة المركزية (CPU)، أو وحدة معالجة رسومية (GPU) محددة، أو أجهزة الحوسبة الأخرى لتنفيذ النموذج.

بالإضافة إلى ذلك، تم سرد وسائط التصور المدعومة أدناه:

الوسيطالنوعالافتراضيالوصف
showboolFalseإذا كان True، يعرض الصور أو الفيديوهات المشروحة في نافذة. مفيد للحصول على ملاحظات مرئية فورية أثناء التطوير أو الاختبار.
show_confboolTrueيعرض درجة الثقة لكل اكتشاف بجانب التصنيف. يوفر رؤية حول مدى يقين النموذج في كل اكتشاف.
show_labelsboolTrueيعرض تصنيفات كل اكتشاف في المخرجات المرئية. يوفر فهماً فورياً للكائنات المكتشفة.

خرائط ألوان الخرائط الحرارية#

يقبل وسيط colormap أي OpenCV colormap. قم بتمرير الثابت من وحدة cv2، على سبيل المثال colormap=cv2.COLORMAP_INFERNO:

اسم خريطة الألوانالوصف
cv2.COLORMAP_AUTUMNخريطة ألوان الخريف
cv2.COLORMAP_BONEخريطة ألوان العظام
cv2.COLORMAP_JETخريطة ألوان Jet
cv2.COLORMAP_WINTERخريطة ألوان الشتاء
cv2.COLORMAP_RAINBOWخريطة ألوان قوس قزح
cv2.COLORMAP_OCEANخريطة ألوان المحيط
cv2.COLORMAP_SUMMERخريطة ألوان الصيف
cv2.COLORMAP_SPRINGخريطة ألوان الربيع
cv2.COLORMAP_COOLخريطة ألوان باردة
cv2.COLORMAP_HSVخريطة ألوان HSV (تدرج، تشبع، قيمة)
cv2.COLORMAP_PINKخريطة ألوان وردية
cv2.COLORMAP_HOTخريطة ألوان ساخنة
cv2.COLORMAP_PARULAخريطة ألوان Parula
cv2.COLORMAP_MAGMAخريطة ألوان Magma
cv2.COLORMAP_INFERNOخريطة ألوان Inferno
cv2.COLORMAP_PLASMAخريطة ألوان Plasma
cv2.COLORMAP_VIRIDISخريطة ألوان Viridis
cv2.COLORMAP_CIVIDISخريطة ألوان Cividis
cv2.COLORMAP_TWILIGHTخريطة ألوان الشفق
cv2.COLORMAP_TWILIGHT_SHIFTEDخريطة ألوان الشفق المزيح
cv2.COLORMAP_TURBOخريطة ألوان Turbo
cv2.COLORMAP_DEEPGREENخريطة ألوان أخضر داكن

كيف تعمل الخرائط الحرارية#

يمتد Heatmap solution فئة ObjectCounter. في الإطار الأول المُعالَج، فإنه ينشئ طبقة شدة فارغة تتطابق مع حجم الإطار. ثم يتم معالجة كل إطار على خطوتين:

  1. يكتشف تتبع YOLO26 كل كائن في الإطار ويتابعه
  2. لكل كائن يتم تتبعه، تزداد كثافة الخريطة الحرارية داخل منطقة دائرية تتمحور حول مربع الإحاطة الخاص به

مرة واحدة في كل إطار، يتم تسوية طبقة الكثافة المتراكمة وتلوينها بخريطة الألوان المحددة ودمجها مع الإطار الأصلي. يظهر التراكب بمجرد تتبع كائن واحد على الأقل؛ وتُعرض الإطارات التي لا تحتوي على كائنات متتبعة بدون تراكب الخريطة الحرارية.

النتيجة هي تصوير مرئي ديناميكي يتراكم بمرور الوقت، كاشفاً عن أنماط حركة المرور، أو حركات الحشود، أو السلوكيات المكانية الأخرى في بيانات الفيديو الخاص بك. عند تعيين region، يقوم الحل أيضاً بـ counts objects التي تدخل وتخرج من تلك المنطقة أثناء بناء الخريطة الحرارية.

الخلاصة#

يحول حل الخريطة الحرارية Ultralytics YOLO26 نتائج تتبع الكائنات إلى تراكب نشاط بدسري مع بضع أسطر من الكود. للمضي قدمًا، ادمجه مع object counting، أو استكشف Ultralytics Solutions الأخرى، أو اقرأ عن tracking mode الأساسي.

الأسئلة الشائعة#

  • تنشئ خرائط Ultralytics YOLO26 الحرارية عن طريق تتبع الكائنات عبر إطارات الفيديو وتراكم قيمة الشدة في موقع كل كائن متعقب، ثم تلوين النتيجة ومزجها مع الإطار الأصلي. المناطق التي تظهر فيها الكائنات بشكل متكرر أو تظل فيها تبني شدة أعلى وتُعرض بألوان أكثر دفئًا. لخيارات التكوين، راجع قسم Heatmap() Arguments.

  • استخدم cv2.VideoWriter الخاص بـ OpenCV واكتب results.plot_im لكل إطار معالَج، كما هو موضح في main example. تحتفظ سمة plot_im بالإطار الذي تم تطبيق تراكب الخريطة الحرارية عليه بالفعل.

  • نعم. قم بتمرير وسيط region إلى Heatmap() بنقاط الخط أو المستقبل أو المضلع، ويقوم الحل بـعد الكائنات التي تدخل وتخرج من تلك المنطقة أثناء بناء الخريطة الحرارية. تتضمن النتائج المُرجعة in_count، وout_count، والعدات لكل فئة. راجع object counting guide لمعرفة تفاصيل تكوين المنطقة.

  • قم بتمرير وسيط classes إلى Heatmap() مع مؤشرات الفئات التي تريد الاحتفاظ بها. على سبيل المثال، يبني classes=[0, 2] الخريطة الحرارية فقط من الأشخاص والسيارات (مؤشرات فئة COCO 0 و 2):

    import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
heatmap = solutions.Heatmap(show=True, model="yolo26n.pt", classes=[0, 2])

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    results = heatmap(im0)
cap.release()
cv2.destroyAllWindows()

  • تدمج خرائط Ultralytics YOLO26 الحرارية object detection، والتتبع، وتراكم الشدة، وعرض التراكب في استدعاء واحد، بينما تتطلب الأدوات العامة مثل OpenCV أو Matplotlib منك بناء خط الأنابيب هذا بنفسك. يعالج الحل دفقات الفيديو في الوقت الفعلي ويدعم التتبع المستمر والخرائط اللونية القابلة للتخصيص جاهزة للاستخدام. للتفاصيل حول النموذج الأساسي، راجع YOLO26 model page.

المساهمون
GLglenn-jocher20RIRizwanMunawar19RAraimbekovm3MAMatthewNoyce2PDpderrenger1IVIvorZhu3311AYAyushExel1YOYOLOv5-Magic1

التعليقات