고급 데이터 시각화: Ultralytics YOLOv8 🚀을 사용한 히트 맵

히트맵 소개

로 생성된 히트맵은 Ultralytics YOLOv8 로 생성된 히트맵은 복잡한 데이터를 생생한 색상으로 구분된 매트릭스로 변환합니다. 이 시각적 도구는 다양한 색상 스펙트럼을 사용하여 다양한 데이터 값을 나타내며, 따뜻한 색조는 더 높은 강도를, 차가운 색조는 더 낮은 값을 나타냅니다. 히트맵은 복잡한 데이터 패턴, 상관관계, 이상 징후를 시각화하는 데 탁월하며, 다양한 영역에서 데이터를 해석하는 데 접근하기 쉽고 매력적인 접근 방식을 제공합니다.

Watch: 히트맵을 사용한 Ultralytics YOLOv8

데이터 분석에 히트맵을 선택하는 이유는 무엇인가요?

직관적인 데이터 분포 시각화: 히트맵은 복잡한 데이터 집합을 이해하기 쉬운 시각적 형식으로 변환하여 데이터 집중도와 분포에 대한 이해를 간소화합니다.
효율적인 패턴 탐지: 데이터를 히트맵 형식으로 시각화하면 추세, 군집, 이상값을 더 쉽게 발견할 수 있어 분석과 인사이트를 더 빠르게 얻을 수 있습니다.
향상된 공간 분석 및 의사 결정: 히트맵은 공간 관계를 설명하는 데 유용하며 비즈니스 인텔리전스, 환경 연구, 도시 계획과 같은 분야의 의사 결정 프로세스를 돕습니다.

실제 애플리케이션

교통편	리테일

Ultralytics YOLOv8 운송 히트맵	Ultralytics YOLOv8 리테일 히트맵

히트맵 구성

heatmap_alpha: 이 값이 범위(0.0 - 1.0) 내에 있는지 확인합니다.
decay_factor: 객체가 더 이상 프레임에 없는 후 히트맵을 제거하는 데 사용되며, 값도 (0.0 - 1.0) 범위여야 합니다.

Ultralytics YOLOv8 예제를 사용한 히트맵

히트맵라인 카운팅다각형 계산지역 카운팅Im0특정 클래스

from ultralytics import YOLO
from ultralytics.solutions import heatmap
import cv2

model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
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
video_writer = cv2.VideoWriter("heatmap_output.avi",
                               cv2.VideoWriter_fourcc(*'mp4v'),
                               fps,
                               (w, h))

# Init heatmap
heatmap_obj = heatmap.Heatmap()
heatmap_obj.set_args(colormap=cv2.COLORMAP_PARULA,
                     imw=w,
                     imh=h,
                     view_img=True,
                     shape="circle",
                     classes_names=model.names)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    tracks = model.track(im0, persist=True, show=False)

    im0 = heatmap_obj.generate_heatmap(im0, tracks)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

from ultralytics import YOLO
from ultralytics.solutions import heatmap
import cv2

model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
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
video_writer = cv2.VideoWriter("heatmap_output.avi",
                               cv2.VideoWriter_fourcc(*'mp4v'),
                               fps,
                               (w, h))

line_points = [(20, 400), (1080, 404)]  # line for object counting

# Init heatmap
heatmap_obj = heatmap.Heatmap()
heatmap_obj.set_args(colormap=cv2.COLORMAP_PARULA,
                     imw=w,
                     imh=h,
                     view_img=True,
                     shape="circle",
                     count_reg_pts=line_points,
                     classes_names=model.names)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    tracks = model.track(im0, persist=True, show=False)

    im0 = heatmap_obj.generate_heatmap(im0, tracks)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

from ultralytics import YOLO
import heatmap
import cv2

model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
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
video_writer = cv2.VideoWriter("heatmap_output.avi",
                               cv2.VideoWriter_fourcc(*'mp4v'),
                               fps,
                               (w, h))

# Define polygon points
region_points = [(20, 400), (1080, 404), (1080, 360), (20, 360), (20, 400)]

# Init heatmap
heatmap_obj = heatmap.Heatmap()
heatmap_obj.set_args(colormap=cv2.COLORMAP_PARULA,
                     imw=w,
                     imh=h,
                     view_img=True,
                     shape="circle",
                     count_reg_pts=region_points,
                     classes_names=model.names)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    tracks = model.track(im0, persist=True, show=False)

    im0 = heatmap_obj.generate_heatmap(im0, tracks)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

from ultralytics import YOLO
from ultralytics.solutions import heatmap
import cv2

model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
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
video_writer = cv2.VideoWriter("heatmap_output.avi",
                               cv2.VideoWriter_fourcc(*'mp4v'),
                               fps,
                               (w, h))

# Define region points
region_points = [(20, 400), (1080, 404), (1080, 360), (20, 360)]

# Init heatmap
heatmap_obj = heatmap.Heatmap()
heatmap_obj.set_args(colormap=cv2.COLORMAP_PARULA,
                     imw=w,
                     imh=h,
                     view_img=True,
                     shape="circle",
                     count_reg_pts=region_points,
                     classes_names=model.names)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    tracks = model.track(im0, persist=True, show=False)

    im0 = heatmap_obj.generate_heatmap(im0, tracks)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

from ultralytics import YOLO
from ultralytics.solutions import heatmap
import cv2

model = YOLO("yolov8s.pt")   # YOLOv8 custom/pretrained model

im0 = cv2.imread("path/to/image.png")  # path to image file
h, w = im0.shape[:2]  # image height and width

# Heatmap Init
heatmap_obj = heatmap.Heatmap()
heatmap_obj.set_args(colormap=cv2.COLORMAP_PARULA,
                     imw=w,
                     imh=h,
                     view_img=True,
                     shape="circle",
                     classes_names=model.names)

results = model.track(im0, persist=True)
im0 = heatmap_obj.generate_heatmap(im0, tracks=results)
cv2.imwrite("ultralytics_output.png", im0)

from ultralytics import YOLO
from ultralytics.solutions import heatmap
import cv2

model = YOLO("yolov8n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
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
video_writer = cv2.VideoWriter("heatmap_output.avi",
                               cv2.VideoWriter_fourcc(*'mp4v'),
                               fps,
                               (w, h))

classes_for_heatmap = [0, 2]  # classes for heatmap

# Init heatmap
heatmap_obj = heatmap.Heatmap()
heatmap_obj.set_args(colormap=cv2.COLORMAP_PARULA,
                     imw=w,
                     imh=h,
                     view_img=True,
                     shape="circle",
                     classes_names=model.names)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    tracks = model.track(im0, persist=True, show=False,
                         classes=classes_for_heatmap)

    im0 = heatmap_obj.generate_heatmap(im0, tracks)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

인수 `set_args`

이름	유형	기본값	설명
`view_img`	`bool`	`False`	히트맵으로 프레임 표시
`colormap`	`cv2.COLORMAP`	`None`	히트맵용 cv2.COLORMAP
`imw`	`int`	`None`	히트맵 너비
`imh`	`int`	`None`	히트맵 높이
`line_thickness`	`int`	`2`	경계 상자 늘리기 및 텍스트 두께 계산
`view_in_counts`	`bool`	`True`	비디오 프레임에만 인카운트 표시
`view_out_counts`	`bool`	`True`	비디오 프레임에만 아웃 카운트 표시
`classes_names`	`dict`	`model.model.names`	클래스 이름 사전
`heatmap_alpha`	`float`	`0.5`	히트맵 알파 값
`count_reg_pts`	`list`	`None`	객체 계산 영역 포인트
`count_txt_color`	`RGB Color`	`(0, 0, 0)`	개체 수 텍스트의 전경색
`count_reg_color`	`RGB Color`	`(255, 0, 255)`	계산 영역 색상
`region_thickness`	`int`	`5`	영역 두께 값 계산
`decay_factor`	`float`	`0.99`	특정 시간 후 히트맵 영역 제거를 위한 감쇠 계수
`shape`	`str`	`circle`	"직사각형" 또는 "원" 표시용 히트맵 모양 지원
`line_dist_thresh`	`int`	`15`	라인 카운터의 유클리드 거리 임계값
`count_bg_color`	`RGB Color`	`(255, 255, 255)`	형광펜 색상 계산
`cls_txtdisplay_gap`	`int`	`50`	각 클래스 수 사이의 간격 표시

인수 `model.track`

이름	유형	기본값	설명
`source`	`im0`	`None`	이미지 또는 비디오의 소스 디렉토리
`persist`	`bool`	`False`	프레임 간 트랙 지속
`tracker`	`str`	`botsort.yaml`	추적 방법 '바이트트랙' 또는 '봇소트'
`conf`	`float`	`0.3`	신뢰 임계값
`iou`	`float`	`0.5`	IOU 임계값
`classes`	`list`	`None`	클래스별로 결과를 필터링합니다(예: classes=0 또는 classes=[0,2,3]).

히트맵 컬러맵

컬러맵 이름	설명
`cv::COLORMAP_AUTUMN`	가을 색 지도
`cv::COLORMAP_BONE`	뼈대 색상 맵
`cv::COLORMAP_JET`	제트 컬러 맵
`cv::COLORMAP_WINTER`	겨울 색상 지도
`cv::COLORMAP_RAINBOW`	레인보우 컬러 맵
`cv::COLORMAP_OCEAN`	바다 색상 지도
`cv::COLORMAP_SUMMER`	여름 색상 지도
`cv::COLORMAP_SPRING`	봄 컬러 맵
`cv::COLORMAP_COOL`	멋진 컬러 맵
`cv::COLORMAP_HSV`	HSV(색조, 채도, 값) 색상 맵
`cv::COLORMAP_PINK`	핑크 컬러 맵
`cv::COLORMAP_HOT`	핫 컬러 맵
`cv::COLORMAP_PARULA`	파룰라 컬러 맵
`cv::COLORMAP_MAGMA`	마그마 컬러 맵
`cv::COLORMAP_INFERNO`	인페르노 컬러 맵
`cv::COLORMAP_PLASMA`	플라즈마 색상 맵
`cv::COLORMAP_VIRIDIS`	비리디스 컬러 맵
`cv::COLORMAP_CIVIDIS`	시비디스 컬러 맵
`cv::COLORMAP_TWILIGHT`	황혼 컬러 맵
`cv::COLORMAP_TWILIGHT_SHIFTED`	시프트된 황혼 컬러 맵
`cv::COLORMAP_TURBO`	터보 컬러 맵
`cv::COLORMAP_DEEPGREEN`	딥 그린 컬러 맵

이러한 컬러맵은 일반적으로 다양한 색상 표현으로 데이터를 시각화하는 데 사용됩니다.

2023-12-07 생성, 2024-04-05 업데이트
작성자: 리즈완 무나와르 (8), 글렌 조처 (7), 아유시 엑셀 (1), 1579093407@qq.com (1)