Link to this sectionПродвинутая визуализация данных: тепловые карты с использованием Ultralytics YOLO26 🚀#
Link to this sectionВведение 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
Link to this sectionПочему 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.
Link to this sectionПримеры 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)]"Link to this sectionАргументы 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. |
Link to this sectionCOLORMAPs (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.
Link to this sectionКак 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.
Link to this sectionЧасто задаваемые вопросы (FAQ)#
Link to this sectionКак 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.
Link to this sectionМогу 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.
Link to this sectionЧем 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.
Link to this sectionКак 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()Link to this sectionПочему 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.

