Visualización Avanzada de Datos: Mapas de calor con Ultralytics YOLO26 🚀

Introducción a los mapas de calor

Un mapa de calor generado con Ultralytics YOLO26 transforma datos complejos en una matriz vibrante y codificada por colores. Esta herramienta visual emplea un espectro de colores para representar diferentes valores de datos, donde las tonalidades más cálidas indican intensidades más altas y los tonos más fríos significan valores más bajos. Los mapas de calor sobresalen en la visualización de patrones de datos intrincados, correlaciones y anomalías, ofreciendo un enfoque accesible y atractivo para la interpretación de datos en diversos dominios.

Ver: Mapas de calor con Ultralytics YOLO26

¿Por qué elegir mapas de calor para el análisis de datos?

• Visualización Intuitiva de la Distribución de Datos: Los mapas de calor simplifican la comprensión de la concentración y distribución de datos, convirtiendo conjuntos de datos complejos en formatos visuales fáciles de entender.
• Detección de patrones eficiente: Al visualizar los datos en formato de mapa de calor, resulta más fácil detectar tendencias, agrupaciones y valores atípicos, lo que facilita un análisis y una comprensión más rápidos.
• Análisis espacial y toma de decisiones mejorados: Los mapas de calor son fundamentales para ilustrar las relaciones espaciales, lo que ayuda en los procesos de toma de decisiones en sectores como la inteligencia empresarial, los estudios ambientales y la planificación urbana.

Aplicaciones en el mundo real

Transporte	Venta minorista
Mapa de calor de transporte de Ultralytics YOLO26	Mapa de calor de comercio minorista de Ultralytics YOLO26

# 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)]"

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("heatmap_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# For object counting with heatmap, you can pass region points.
# region_points = [(20, 400), (1080, 400)]                                      # line points
# region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360)]              # rectangle region
# region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360), (20, 400)]   # polygon points

# Initialize heatmap object
heatmap = solutions.Heatmap(
    show=True,  # display the output
    model="yolo26n.pt",  # path to the YOLO26 model file
    colormap=cv2.COLORMAP_PARULA,  # colormap of heatmap
    # region=region_points,  # object counting with heatmaps, you can pass region_points
    # classes=[0, 2],  # generate heatmap for specific classes, e.g., person and car.
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if not success:
        print("Video frame is empty or processing is complete.")
        break

    results = heatmap(im0)

    # print(results)  # access the output

    video_writer.write(results.plot_im)  # write the processed frame.

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

Heatmap() Argumentos

Aquí tiene una tabla con el Heatmap argumentos:

También puede aplicar diferentes track argumentos en el Heatmap solución.

Adicionalmente, los argumentos de visualización admitidos se enumeran a continuación:

Mapas de calor COLORMAP

Estos mapas de colores se utilizan comúnmente para visualizar datos con diferentes representaciones de color.

Cómo funcionan los mapas de calor en Ultralytics YOLO26

La solución de Mapas de Calor en Ultralytics YOLO26 extiende la clase ObjectCounter para generar y visualizar patrones de movimiento en flujos de video. Cuando se inicializa, la solución crea una capa de mapa de calor en blanco que se actualiza a medida que los objetos se mueven por el fotograma.

Para cada objeto detectado, la solución:

1. Realiza el seguimiento del objeto a través de los fotogramas utilizando las capacidades de seguimiento de YOLO26
2. Actualiza la intensidad del mapa de calor en la ubicación del objeto
3. Aplica una paleta de colores seleccionada para visualizar los valores de intensidad
4. Superpone el mapa de calor coloreado en el fotograma original

El resultado es una visualización dinámica que se construye con el tiempo, revelando patrones de tráfico, movimientos de multitudes u otros comportamientos espaciales en sus datos de vídeo.

Preguntas frecuentes

¿Cómo genera Ultralytics YOLO26 mapas de calor y cuáles son sus beneficios?

Ultralytics YOLO26 genera mapas de calor transformando datos complejos en una matriz codificada por colores donde diferentes tonalidades representan intensidades de datos. Los mapas de calor facilitan la visualización de patrones, correlaciones y anomalías en los datos. Las tonalidades más cálidas indican valores más altos, mientras que los tonos más fríos representan valores más bajos. Los principales beneficios incluyen la visualización intuitiva de la distribución de datos, la detección eficiente de patrones y el análisis espacial mejorado para la toma de decisiones. Para más detalles y opciones de configuración, consulte la sección de Configuración de Mapas de Calor.

¿Puedo usar Ultralytics YOLO26 para realizar seguimiento de objetos y generar un mapa de calor simultáneamente?

Sí, Ultralytics YOLO26 admite el seguimiento de objetos y la generación de mapas de calor de forma concurrente. Esto se puede lograr a través de su Heatmap solución integrada con modelos de seguimiento de objetos. Para ello, debe inicializar el objeto del mapa de calor y utilizar las capacidades de seguimiento de YOLO26. Aquí tiene un ejemplo sencillo:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
heatmap = solutions.Heatmap(colormap=cv2.COLORMAP_PARULA, show=True, model="yolo26n.pt")

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

Para obtener más orientación, consulte la página del Modo de seguimiento.

¿Qué diferencia a los mapas de calor de Ultralytics YOLO26 de otras herramientas de visualización de datos como las de OpenCV o Matplotlib?

Los mapas de calor de Ultralytics YOLO26 están específicamente diseñados para integrarse con sus modelos de detección de objetos y seguimiento, proporcionando una solución integral para el análisis de datos en tiempo real. A diferencia de las herramientas de visualización genéricas como OpenCV o Matplotlib, los mapas de calor de YOLO26 están optimizados para el rendimiento y el procesamiento automatizado, admitiendo características como el seguimiento persistente, el ajuste del factor de decaimiento y la superposición de video en tiempo real. Para más información sobre las características únicas de YOLO26, visite la Introducción a Ultralytics YOLO26.

¿Cómo puedo visualizar solo clases de objetos específicas en mapas de calor utilizando Ultralytics YOLO26?

Puedes visualizar clases de objetos específicas especificando las clases deseadas en el track() método del modelo YOLO. Por ejemplo, si solo quieres visualizar coches y personas (asumiendo que sus índices de clase son 0 y 2), puedes establecer el classes parámetro según corresponda.

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()

¿Por qué las empresas deberían elegir Ultralytics YOLO26 para la generación de mapas de calor en el análisis de datos?

Ultralytics YOLO26 ofrece una integración perfecta de detección de objetos avanzada y generación de mapas de calor en tiempo real, lo que lo convierte en una opción ideal para empresas que buscan visualizar datos de manera más efectiva. Las ventajas clave incluyen una visualización intuitiva de la distribución de datos, una detección eficiente de patrones y un análisis espacial mejorado para una mejor toma de decisiones. Además, las características de vanguardia de YOLO26, como el tracking persistente, los mapas de color personalizables y el soporte para varios formatos de exportación, lo hacen superior a otras herramientas como TensorFlow y OpenCV para un análisis de datos exhaustivo. Obtenga más información sobre las aplicaciones comerciales en Ultralytics Plans.

📅 Creado hace 2 años ✏️ Actualizado hace 7 días

Comentarios