Продвинутая визуализация данных: Тепловые карты с помощью Ultralytics YOLOv8 🚀.

Знакомство с тепловыми картами

Тепловая карта, созданная с помощью Ultralytics YOLOv8 превращает сложные данные в яркую матрицу с цветовым кодированием. Этот визуальный инструмент использует спектр цветов для представления различных значений данных, где более теплые оттенки указывают на более высокую интенсивность, а более холодные - на более низкие значения. Тепловые карты отлично справляются с визуализацией сложных закономерностей, корреляций и аномалий, предлагая доступный и увлекательный подход к интерпретации данных в различных сферах.

Смотри: Тепловые карты с использованием Ultralytics YOLOv8

Почему стоит выбрать тепловые карты для анализа данных?

Интуитивно понятная визуализация распределения данных: Тепловые карты упрощают понимание концентрации и распределения данных, преобразуя сложные наборы данных в простые для восприятия визуальные форматы.
Эффективное обнаружение закономерностей: Визуализируя данные в формате тепловой карты, становится проще обнаружить тенденции, кластеры и выбросы, что способствует более быстрому анализу и пониманию.
Улучшенный пространственный анализ и принятие решений: тепловые карты помогают проиллюстрировать пространственные взаимосвязи, что способствует процессу принятия решений в таких отраслях, как бизнес-аналитика, экологические исследования и городское планирование.

Применение в реальном мире

Транспорт	Розничная торговля

Ultralytics YOLOv8 Тепловая карта транспорта	Ultralytics YOLOv8 Тепловая карта розничной торговли

Конфигурация тепловой карты

heatmap_alpha: Убедись, что это значение находится в пределах диапазона (0,0 - 1,0).
decay_factor: Используется для удаления тепловой карты после того, как объект больше не находится в кадре, его значение также должно быть в диапазоне (0,0 - 1,0).

Тепловые карты на примере Ultralytics YOLOv8

HeatmapПодсчет линийПодсчет полигоновПодсчеты по регионамIm0Особые классы

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()

Аргументы `set_args`

Имя	Тип	По умолчанию	Описание
`view_img`	`bool`	`False`	Отображение кадра с тепловой картой
`colormap`	`cv2.COLORMAP`	`None`	cv2.COLORMAP для тепловой карты
`imw`	`int`	`None`	Ширина тепловой карты
`imh`	`int`	`None`	Высота тепловой карты
`line_thickness`	`int`	`2`	Увеличьте ограничительные рамки и подсчитайте толщину текста
`view_in_counts`	`bool`	`True`	Отображайте счетчики только на видеокадре
`view_out_counts`	`bool`	`True`	Отображайте выходы только на видеокадре
`classes_names`	`dict`	`model.model.names`	Словарь названий классов
`heatmap_alpha`	`float`	`0.5`	Альфа-значение тепловой карты
`count_reg_pts`	`list`	`None`	Объект подсчета точек области
`count_txt_color`	`RGB Color`	`(0, 0, 0)`	Цвет переднего плана для текста подсчета объектов
`count_reg_color`	`RGB Color`	`(255, 0, 255)`	Цвет области подсчета
`region_thickness`	`int`	`5`	Значение толщины области подсчета
`decay_factor`	`float`	`0.99`	Коэффициент затухания для удаления области тепловой карты через определенное время
`shape`	`str`	`circle`	Поддерживается форма тепловой карты для отображения "прямоугольник" или "круг"
`line_dist_thresh`	`int`	`15`	Порог евклидова расстояния для счетчика линий
`count_bg_color`	`RGB Color`	`(255, 255, 255)`	Подсчитай цвет хайлайтера
`cls_txtdisplay_gap`	`int`	`50`	Отображение промежутка между каждым классом

Аргументы `model.track`

Имя	Тип	По умолчанию	Описание
`source`	`im0`	`None`	исходный каталог для изображений или видео
`persist`	`bool`	`False`	Сохранение треков между кадрами
`tracker`	`str`	`botsort.yaml`	Метод отслеживания 'bytetrack' или 'botsort'
`conf`	`float`	`0.3`	Порог доверия
`iou`	`float`	`0.5`	Порог IOU
`classes`	`list`	`None`	Фильтруй результаты по классам, то есть classes=0, или classes=[0,2,3]

Тепловая карта COLORMAPs

Название цветной карты	Описание
`cv::COLORMAP_AUTUMN`	Карта осенних цветов
`cv::COLORMAP_BONE`	Карта цвета костей
`cv::COLORMAP_JET`	Карта цвета струи
`cv::COLORMAP_WINTER`	Карта зимних цветов
`cv::COLORMAP_RAINBOW`	Карта цветов радуги
`cv::COLORMAP_OCEAN`	Карта цветов океана
`cv::COLORMAP_SUMMER`	Карта летних цветов
`cv::COLORMAP_SPRING`	Карта весенних цветов
`cv::COLORMAP_COOL`	Крутая цветная карта
`cv::COLORMAP_HSV`	Карта цветов HSV (Hue, Saturation, Value)
`cv::COLORMAP_PINK`	Карта розового цвета
`cv::COLORMAP_HOT`	Карта горячих цветов
`cv::COLORMAP_PARULA`	Цветная карта Паруля
`cv::COLORMAP_MAGMA`	Карта цвета магмы
`cv::COLORMAP_INFERNO`	Карта цвета инферно
`cv::COLORMAP_PLASMA`	Карта цветов плазмы
`cv::COLORMAP_VIRIDIS`	Цветная карта Виридиса
`cv::COLORMAP_CIVIDIS`	Цветная карта Сивидиса
`cv::COLORMAP_TWILIGHT`	Сумеречная цветная карта
`cv::COLORMAP_TWILIGHT_SHIFTED`	Цветовая карта "Сдвинутые сумерки
`cv::COLORMAP_TURBO`	Карта цветов турбо
`cv::COLORMAP_DEEPGREEN`	Карта цвета глубокого зеленого

Эти колормапы обычно используются для визуализации данных с помощью различных цветовых представлений.

Создано 2023-12-07, Обновлено 2024-04-05
Авторы: RizwanMunawar (8), glenn-jocher (7), AyushExel (1), 1579093407@qq.com (1)