Продвинутая визуализация данных: тепловые карты с использованием Ultralytics YOLO26 🚀
Введение в тепловые карты
Тепловая карта, созданная с помощью Ultralytics YOLO26, преобразует сложные данные в яркую, цветокодированную матрицу. Этот визуальный инструмент использует спектр цветов для отображения различных значений данных: теплые оттенки указывают на более высокую интенсивность, а холодные — на более низкие значения. Тепловые карты отлично подходят для визуализации сложных закономерностей, корреляций и аномалий, предлагая доступный и понятный подход к интерпретации данных в различных областях.
Watch: Heatmaps using Ultralytics YOLO26
Почему стоит выбрать тепловые карты для анализа данных?
- Интуитивная визуализация распределения данных: Тепловые карты упрощают понимание концентрации и распределения данных, преобразуя сложные наборы данных в визуально понятные форматы.
- Эффективное обнаружение закономерностей: Благодаря визуализации данных в формате тепловой карты становится проще замечать тренды, кластеры и выбросы, что способствует более быстрому анализу и получению выводов.
- Улучшенный пространственный анализ и принятие решений: Тепловые карты помогают иллюстрировать пространственные взаимосвязи, содействуя процессам принятия решений в таких секторах, как бизнес-аналитика, экологические исследования и городское планирование.
Примеры реального применения
| Транспорт | Ритейл |
|---|---|
![]() | ![]() |
| Тепловая карта транспортных потоков Ultralytics YOLO26 | Тепловая карта ритейла 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)]"Аргументы Heatmap()
Ниже приведена таблица с аргументами Heatmap:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
model | str | None | Путь к файлу модели Ultralytics YOLO. |
colormap | int | cv2.COLORMAP_DEEPGREEN | Цветовая карта для тепловой карты. |
show_in | bool | True | Флаг для управления отображением входящих объектов на видеопотоке. |
show_out | bool | True | Флаг для управления отображением исходящих объектов на видеопотоке. |
region | list | '[(20, 400), (1260, 400)]' | Список точек, определяющих область подсчета. |
Ты также можешь применять различные аргументы track в решении Heatmap.
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Указывает алгоритм отслеживания, который необходимо использовать, например, bytetrack.yaml или botsort.yaml. |
conf | float | 0.1 | Устанавливает порог достоверности для обнаружения; более низкие значения позволяют отслеживать больше объектов, но могут включать ложные срабатывания. |
iou | float | 0.7 | Устанавливает порог Intersection over Union (IoU) для фильтрации перекрывающихся обнаружений. |
classes | list | None | Фильтрует результаты по индексу класса. Например, classes=[0, 2, 3] отслеживает только указанные классы. |
verbose | bool | True | Управляет отображением результатов отслеживания, предоставляя визуальный вывод отслеживаемых объектов. |
device | str | None | Указывает устройство для вывода (например, cpu, cuda:0 или 0). Позволяет пользователям выбирать между CPU, конкретным GPU или другими вычислительными устройствами для выполнения модели. |
Кроме того, ниже перечислены поддерживаемые аргументы визуализации:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
show | bool | False | Если True, отображает аннотированные изображения или видео в окне. Полезно для мгновенной визуальной проверки в процессе разработки или тестирования. |
line_width | int or None | None | Задает толщину линий ограничивающих рамок. Если None, толщина подбирается автоматически в зависимости от размера изображения. Обеспечивает визуальную настройку для ясности. |
show_conf | bool | True | Отображает показатель уверенности для каждого обнаруженного объекта рядом с меткой. Дает представление об уверенности модели в каждом обнаружении. |
show_labels | bool | True | Отображает метки для каждого обнаруженного объекта на визуальном выводе. Дает быстрое понимание того, какие объекты были найдены. |
COLORMAPs (цветовые карты) для тепловых карт
| Название цветовой карты | Описание |
|---|---|
cv::COLORMAP_AUTUMN | Осенняя цветовая карта |
cv::COLORMAP_BONE | Костяная цветовая карта |
cv::COLORMAP_JET | Цветовая карта Jet |
cv::COLORMAP_WINTER | Зимняя цветовая карта |
cv::COLORMAP_RAINBOW | Радужная цветовая карта |
cv::COLORMAP_OCEAN | Океаническая цветовая карта |
cv::COLORMAP_SUMMER | Летняя цветовая карта |
cv::COLORMAP_SPRING | Весенняя цветовая карта |
cv::COLORMAP_COOL | Холодная цветовая карта |
cv::COLORMAP_HSV | Цветовая карта HSV (оттенок, насыщенность, значение) |
cv::COLORMAP_PINK | Розовая цветовая карта |
cv::COLORMAP_HOT | Горячая цветовая карта |
cv::COLORMAP_PARULA | Цветовая карта Parula |
cv::COLORMAP_MAGMA | Цветовая карта Magma |
cv::COLORMAP_INFERNO | Цветовая карта Inferno |
cv::COLORMAP_PLASMA | Цветовая карта Plasma |
cv::COLORMAP_VIRIDIS | Цветовая карта Viridis |
cv::COLORMAP_CIVIDIS | Цветовая карта Cividis |
cv::COLORMAP_TWILIGHT | Цветовая карта Twilight |
cv::COLORMAP_TWILIGHT_SHIFTED | Смещенная цветовая карта Twilight |
cv::COLORMAP_TURBO | Цветовая карта Turbo |
cv::COLORMAP_DEEPGREEN | Темно-зеленая цветовая карта |
Эти цветовые карты обычно используются для визуализации данных с различными цветовыми представлениями.
Как работают тепловые карты в Ultralytics YOLO26
Решение Heatmap в Ultralytics YOLO26 расширяет класс ObjectCounter для генерации и визуализации моделей движения в видеопотоках. При инициализации решение создает пустой слой тепловой карты, который обновляется по мере движения объектов в кадре.
Для каждого обнаруженного объекта решение:
- Отслеживает объект в кадрах, используя возможности трекинга YOLO26
- Обновляет интенсивность тепловой карты в местоположении объекта
- Применяет выбранную цветовую карту для визуализации значений интенсивности
- Накладывает цветную тепловую карту на исходный кадр
Результатом является динамическая визуализация, которая накапливается с течением времени, раскрывая модели трафика, движения толпы или другие пространственные модели поведения в твоих видеоданных.
Часто задаваемые вопросы (FAQ)
Как Ultralytics YOLO26 генерирует тепловые карты и в чем их преимущества?
Ultralytics YOLO26 генерирует тепловые карты, преобразуя сложные данные в цветокодированную матрицу, где различные оттенки представляют интенсивность данных. Тепловые карты облегчают визуализацию закономерностей, корреляций и аномалий в данных. Теплые оттенки указывают на более высокие значения, а холодные — на более низкие. Основные преимущества включают интуитивную визуализацию распределения данных, эффективное обнаружение закономерностей и улучшенный пространственный анализ для принятия решений. Дополнительную информацию и варианты конфигурации см. в разделе Конфигурация тепловой карты.
Могу ли я использовать Ultralytics YOLO26 для одновременного отслеживания объектов и генерации тепловой карты?
Да, Ultralytics YOLO26 поддерживает одновременное отслеживание объектов и генерацию тепловой карты. Этого можно достичь с помощью решения Heatmap, интегрированного с моделями отслеживания объектов. Для этого тебе нужно инициализировать объект тепловой карты и использовать возможности отслеживания YOLO26. Вот простой пример:
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()Для получения дальнейших инструкций ознакомься со страницей Режим отслеживания.
Чем тепловые карты Ultralytics YOLO26 отличаются от других инструментов визуализации данных, таких как инструменты от OpenCV или Matplotlib?
Тепловые карты Ultralytics YOLO26 специально разработаны для интеграции с моделями обнаружения объектов и трекинга, предоставляя комплексное решение для анализа данных в реальном времени. В отличие от общих инструментов визуализации, таких как OpenCV или Matplotlib, тепловые карты YOLO26 оптимизированы для производительности и автоматизированной обработки, поддерживая такие функции, как постоянное отслеживание, настройка коэффициента затухания и наложение на видео в реальном времени. Чтобы узнать больше об уникальных функциях YOLO26, посети Введение в Ultralytics YOLO26.
Как я могу визуализировать только определенные классы объектов на тепловых картах с использованием Ultralytics YOLO26?
Ты можешь визуализировать определенные классы объектов, указав желаемые классы в методе track() модели YOLO. Например, если ты хочешь визуализировать только автомобили и людей (предполагая, что их индексы классов 0 и 2), ты можешь соответствующим образом настроить параметр classes.
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()Почему бизнесу стоит выбрать Ultralytics YOLO26 для генерации тепловых карт при анализе данных?
Ultralytics YOLO26 предлагает бесшовную интеграцию продвинутого обнаружения объектов и генерации тепловых карт в реальном времени, что делает его идеальным выбором для бизнеса, стремящегося более эффективно визуализировать данные. Ключевые преимущества включают интуитивную визуализацию распределения данных, эффективное обнаружение закономерностей и улучшенный пространственный анализ для более качественного принятия решений. Кроме того, передовые функции YOLO26, такие как постоянный трекинг, настраиваемые цветовые карты и поддержка различных форматов экспорта, делают его лучше других инструментов, таких как TensorFlow и OpenCV, для комплексного анализа данных. Узнай больше о бизнес-приложениях на странице Тарифы Ultralytics.

