Visualisation avancée des données: Cartes thermiques à l'aide de Ultralytics YOLO11 🚀

Introduction aux cartes thermiques

Une carte thermique générée avec Ultralytics YOLO11 transforme des données complexes en une matrice vibrante, codée par couleur. Cet outil visuel utilise un spectre de couleurs pour représenter les différentes valeurs des données, les teintes plus chaudes indiquant des intensités plus élevées et les tons plus froids des valeurs plus faibles. Les cartes thermiques excellent dans la visualisation de modèles de données complexes, de corrélations et d'anomalies, offrant une approche accessible et attrayante de l'interprétation des données dans divers domaines.

Regarder : Cartes thermiques utilisant Ultralytics YOLO11

Pourquoi choisir les cartes thermiques pour l'analyse des données ?

• Visualisation intuitive de la distribution des données : Les cartes thermiques simplifient la compréhension de la concentration et de la distribution des données, en convertissant des ensembles de données complexes en formats visuels faciles à comprendre.
• Détection efficace des tendances : En visualisant les données sous forme de cartes thermiques, il est plus facile de repérer les tendances, les groupes et les valeurs aberrantes, ce qui accélère l'analyse et la compréhension.
• Amélioration de l'analyse spatiale et de la prise de décision : les cartes thermiques permettent d'illustrer les relations spatiales et de faciliter les processus de prise de décision dans des secteurs tels que l'intelligence économique, les études environnementales et l'urbanisme.

Applications dans le monde réel

Transport	Vente au détail
Ultralytics YOLO11 Carte thermique des transports	Ultralytics YOLO11 Carte thermique du commerce de détail

# 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="yolo11n.pt",  # path to the YOLO11 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 i.e 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() Arguments

Voici un tableau avec les Heatmap arguments :

Vous pouvez également appliquer différents track dans le Heatmap solution.

En outre, les arguments de visualisation soutenus sont énumérés ci-dessous :

Carte thermique COLORMAPs

Ces cartes de couleurs sont couramment utilisées pour visualiser des données avec différentes représentations colorées.

Comment fonctionnent les cartes thermiques dans Ultralytics YOLO11

La solution Heatmap d'Ultralytics YOLO11 étend la classe ObjectCounter pour générer et visualiser des modèles de mouvement dans les flux vidéo. Lors de l'initialisation, la solution crée une couche de carte thermique vierge qui est mise à jour au fur et à mesure que les objets se déplacent dans l'image.

Pour chaque objet détecté, la solution :

1. Suivi de l'objet à travers les images en utilisant les capacités de suivi de YOLO11
2. Met à jour l'intensité de la carte thermique à l'emplacement de l'objet
3. Applique une carte de couleurs sélectionnée pour visualiser les valeurs d'intensité.
4. Superposition de la carte thermique colorée sur le cadre original

Le résultat est une visualisation dynamique qui se construit au fil du temps, révélant des schémas de circulation, des mouvements de foule ou d'autres comportements spatiaux dans vos données vidéo.

FAQ

Comment Ultralytics YOLO11 génère-t-il des cartes thermiques et quels en sont les avantages ?

Ultralytics YOLO11 génère des cartes thermiques en transformant des données complexes en une matrice codée en couleur où les différentes teintes représentent l'intensité des données. Les cartes thermiques facilitent la visualisation des modèles, des corrélations et des anomalies dans les données. Les teintes chaudes indiquent des valeurs élevées, tandis que les teintes froides représentent des valeurs plus faibles. Les principaux avantages sont la visualisation intuitive de la distribution des données, la détection efficace des schémas et l'amélioration de l'analyse spatiale pour la prise de décision. Pour plus de détails et d'options de configuration, reportez-vous à la section Configuration de la carte thermique.

Puis-je utiliser Ultralytics YOLO11 pour effectuer un suivi d'objet et générer une carte thermique simultanément ?

Oui, Ultralytics YOLO11 prend en charge le suivi d'objets et la génération de cartes thermiques simultanément. Ceci peut être réalisé grâce à la fonction Heatmap intégrée aux modèles de suivi des objets. Pour ce faire, vous devez initialiser l'objet heatmap et utiliser les capacités de suivi de YOLO11. Voici un exemple simple :

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
heatmap = solutions.Heatmap(colormap=cv2.COLORMAP_PARULA, show=True, model="yolo11n.pt")

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

Pour plus d'informations, consultez la page Mode de suivi.

Qu'est-ce qui différencie Ultralytics YOLO11 heatmaps d'autres outils de visualisation de données comme ceux d'OpenCV ou de Matplotlib ?

Ultralytics YOLO11 sont spécifiquement conçues pour être intégrées à ses modèles de détection et de suivi d'objets, offrant ainsi une solution de bout en bout pour l'analyse de données en temps réel. Contrairement aux outils de visualisation génériques tels que OpenCV ou Matplotlib, YOLO11 heatmaps est optimisé pour les performances et le traitement automatisé, et prend en charge des fonctions telles que le suivi persistant, l'ajustement du facteur de décroissance et la superposition de vidéos en temps réel. Pour plus d'informations sur les caractéristiques uniques de YOLO11, visitez le site Ultralytics YOLO11 Introduction.

Comment puis-je visualiser uniquement des classes d'objets spécifiques dans les cartes thermiques à l'aide de Ultralytics YOLO11 ?

Vous pouvez visualiser des classes d'objets spécifiques en spécifiant les classes souhaitées dans le champ track() du modèle YOLO . Par exemple, si vous ne souhaitez visualiser que les voitures et les personnes (en supposant que leurs indices de classe sont 0 et 2), vous pouvez définir le paramètre classes en conséquence.

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
heatmap = solutions.Heatmap(show=True, model="yolo11n.pt", classes=[0, 2])

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

Pourquoi les entreprises devraient-elles choisir Ultralytics YOLO11 pour la génération de cartes thermiques dans le cadre de l'analyse de données ?

Ultralytics YOLO11 offre une intégration transparente de la détection avancée d'objets et de la génération de cartes thermiques en temps réel, ce qui en fait un choix idéal pour les entreprises qui cherchent à visualiser les données de manière plus efficace. Les principaux avantages sont la visualisation intuitive de la distribution des données, la détection efficace des formes et l'analyse spatiale améliorée pour une meilleure prise de décision. En outre, les fonctionnalités de pointe de YOLO11, telles que le suivi persistant, les cartes de couleurs personnalisables et la prise en charge de divers formats d'exportation, le rendent supérieur à d'autres outils tels que TensorFlow et OpenCV pour une analyse complète des données. Pour en savoir plus sur les applications professionnelles, consultez le siteUltralytics Plans.

📅C réé il y a 1 an ✏️ Mis à jour il y a 6 jours

Commentaires