Link to this sectionMapas de calor de rastreamento de objetos com o Ultralytics YOLO26#

A solução de mapa de calor no Ultralytics YOLO26 rastreia objetos em quadros de vídeo e sobrepõe a intensidade acumulada de seu movimento a cada quadro, para que áreas movimentadas brilhem em cores quentes, enquanto áreas tranquilas permanecem frias. Construída sobre o rastreamento de objetos do YOLO26, ela transforma qualquer vídeo em um mapa de atividade espacial que revela o fluxo de tráfego, o movimento de multidões e zonas de permanência com uma única chamada Python ou comando CLI.

Link to this sectionPor que usar mapas de calor para análise de vídeo?#

• Identifique padrões de atividade rapidamente: A intensidade se acumula onde os objetos rastreados passam tempo, portanto, faixas de alto tráfego, prateleiras populares ou gargalos de multidão se destacam sem a necessidade de revisão manual quadro a quadro.
• Rastreamento integrado: A solução executa a detecção e o rastreamento do YOLO26 internamente, portanto, não há um pipeline de rastreamento separado para configurar.
• Contagem na mesma passagem: Passe uma region para contar objetos que entram e saem de uma zona enquanto o mapa de calor é criado, combinando duas tarefas analíticas em uma única execução.

Link to this sectionAplicações no mundo real#

Transporte	Varejo
Mapa de calor de transporte do Ultralytics YOLO	Mapa de calor de varejo do Ultralytics YOLO

Link to this sectionComo gerar mapas de calor com o Ultralytics YOLO#

Execute a solução de mapa de calor em uma fonte de vídeo a partir da CLI ou Python. O exemplo em Python grava os quadros processados em um arquivo de vídeo de saída:

# 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)]"

Link to this sectionArgumentos da Heatmap()#

Aqui está uma tabela com os argumentos da Heatmap:

Você também pode aplicar diferentes argumentos de track na solução Heatmap.

Além disso, os argumentos de visualização suportados estão listados abaixo:

Link to this sectionMapas de cores de mapa de calor#

O argumento colormap aceita qualquer mapa de cores do OpenCV. Passe a constante do módulo cv2, por exemplo colormap=cv2.COLORMAP_INFERNO:

Link to this sectionComo funcionam os mapas de calor#

A solução de mapa de calor estende a classe ObjectCounter. No primeiro quadro processado, ela cria uma camada de intensidade em branco que corresponde ao tamanho do quadro. Cada quadro é então processado em duas etapas:

1. O rastreamento YOLO26 detecta e segue cada objeto no quadro
2. Para cada objeto rastreado, a intensidade do mapa de calor aumenta dentro de uma região circular centralizada em sua caixa delimitadora (bounding box)

Uma vez por quadro, a camada de intensidade acumulada é normalizada, colorida com o mapa de cores selecionado e misturada com o quadro original. A sobreposição aparece assim que pelo menos um objeto é rastreado; quadros sem objetos rastreados são exibidos sem a sobreposição de mapa de calor.

O resultado é uma visualização dinâmica que se acumula ao longo do tempo, revelando padrões de tráfego, movimentos de multidões ou outros comportamentos espaciais nos seus dados de vídeo. Quando uma region é definida, a solução também conta objetos entrando e saindo dessa região enquanto o mapa de calor é criado.

Link to this sectionConclusão#

A solução de mapa de calor Ultralytics YOLO26 transforma resultados de rastreamento de objetos em uma sobreposição de atividade intuitiva com apenas algumas linhas de código. Para ir mais longe, combine-a com contagem de objetos, explore as outras soluções Ultralytics ou leia sobre o modo de rastreamento subjacente.

Link to this sectionFAQ#

Link to this sectionComo o Ultralytics YOLO26 gera mapas de calor a partir de um vídeo?#

O Ultralytics YOLO26 gera mapas de calor rastreando objetos em quadros de vídeo e acumulando um valor de intensidade na localização de cada objeto rastreado, colorindo o resultado e misturando-o com o quadro original. Áreas onde objetos aparecem com frequência ou permanecem por mais tempo acumulam maior intensidade e são renderizadas em cores mais quentes. Para opções de configuração, consulte a seção Argumentos de Heatmap().

Link to this sectionComo salvar a saída do mapa de calor em um arquivo de vídeo?#

Use o cv2.VideoWriter do OpenCV e escreva results.plot_im para cada quadro processado, conforme mostrado no exemplo principal. O atributo plot_im contém o quadro com a sobreposição do mapa de calor já aplicada.

Link to this sectionPosso combinar mapas de calor com contagem de objetos?#

Sim. Passe um argumento region para Heatmap() com pontos de linha, retângulo ou polígono, e a solução contará os objetos que entram e saem dessa região enquanto o mapa de calor é criado. Os resultados retornados incluem in_count, out_count e contagens por classe. Consulte o guia de contagem de objetos para detalhes de configuração da região.

Link to this sectionComo posso visualizar apenas classes de objetos específicas em mapas de calor usando o Ultralytics YOLO26?#

Passe o argumento classes para Heatmap() com os índices de classe que você deseja manter. Por exemplo, classes=[0, 2] cria o mapa de calor apenas a partir de pessoas e carros (índices de classe COCO 0 e 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()

Link to this sectionO que diferencia os mapas de calor do Ultralytics YOLO26 de outras ferramentas de visualização de dados, como as do OpenCV ou Matplotlib?#

Os mapas de calor Ultralytics YOLO26 integram detecção de objetos, rastreamento, acúmulo de intensidade e renderização de sobreposição em uma única chamada, enquanto ferramentas genéricas como OpenCV ou Matplotlib exigem que você construa esse pipeline por conta própria. A solução processa fluxos de vídeo em tempo real e suporta rastreamento persistente e mapas de cores personalizáveis prontos para uso. Para detalhes sobre o modelo subjacente, consulte a página do modelo YOLO26.