Ultralytics YOLO26 ile Nesne Takibi Isı Haritaları#

Ultralytics YOLO26 içindeki Heatmap solution, video kareleri boyunca nesneleri izler ve biriken hareket yoğunluklarını her karenin üzerine bindirir; böylece yoğun bölgeler sıcak renklerle parlarken sakin bölgeler soğuk kalır. YOLO26 object tracking tabanlı bu çözüm, tek bir Python çağrısı veya CLI komutuyla herhangi bir videoyu trafik akışını, kalabalık hareketini ve kalış bölgelerini ortaya çıkaran mekansal bir aktivite haritasına dönüştürür.

Video Analitiği için Neden Isı Haritaları Kullanmalısın?#

• Aktivite modellerini bir bakışta tespit et: Takip edilen nesnelerin zaman geçirdiği her yerde yoğunluk birikir, bu sayede manuel olarak kare kare inceleme yapmaya gerek kalmadan yoğun trafikli yollar, popüler raflar veya kalabalık tıkanıklıkları kolayca öne çıkar.
• Dahili takip: Çözüm, YOLO26 tespit ve takip işlemlerini dahili olarak çalıştırır, bu yüzden kurman gereken ayrı bir takip hattı yoktur.
• Aynı geçişte sayma: Isı haritası oluşurken bir bölgeye girip çıkan nesneleri saymak ve iki analitik görevini tek bir çalıştırmada birleştirmek için bir region aktar.

Gerçek Dünya Uygulamaları#

Ulaşım	Perakende
Ultralytics YOLO Taşımacılık Isı Haritası	Ultralytics YOLO Perakende Isı Haritası

Ultralytics YOLO ile Isı Haritaları Nasıl Oluşturulur#

Isı Haritası çözümünü CLI veya Python üzerinden bir video kaynağında çalıştır. Python örneği, işlenen kareleri bir çıktı video dosyasına yazar:

# 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)]"

Heatmap() Argümanları#

İşte Heatmap argümanlarını içeren bir tablo:

Ayrıca Heatmap çözümünde farklı track argümanları uygulayabilirsin.

Ek olarak, desteklenen görselleştirme argümanları aşağıda listelenmiştir:

Isı Haritası Renk Haritaları#

colormap argümanı herhangi bir OpenCV renk haritasını kabul eder. cv2 modülünden sabiti aktar, örneğin colormap=cv2.COLORMAP_INFERNO:

Isı Haritaları Nasıl Çalışır#

Heatmap çözümü, ObjectCounter sınıfını genişletir. İşlenen ilk karede, kare boyutuna uyan boş bir yoğunluk katmanı oluşturur. Her kare daha sonra iki adımda işlenir:

1. YOLO26 takibi, karedeki her nesneyi tespit eder ve izler
2. Takip edilen her nesne için, ısı haritası yoğunluğu, sınırlayıcı kutusunun merkezindeki dairesel bir bölge içinde artar

Kare başına bir kez, birikmiş yoğunluk katmanı normalleştirilir, seçilen renk haritasıyla renklendirilir ve orijinal kare ile birleştirilir. Kaplama, en az bir nesne takip edildiği anda görünür; takip edilen nesnenin olmadığı kareler ısı haritası kaplaması olmadan gösterilir.

Sonuç, zamanla oluşan ve videonuzdaki trafik kalıplarını, kalabalık hareketlerini veya diğer mekansal davranışları ortaya çıkaran dinamik bir görselleştirmedir. Bir region ayarlandığında çözüm, ısı haritası oluşurken bu bölgeye girip çıkan nesneleri de sayar.

Sonuç#

Ultralytics YOLO26 Heatmap çözümü, nesne izleme sonuçlarını birkaç satır kodla sezgisel bir etkinlik katmanına dönüştürür. Daha da ileri gitmek için bunu nesne sayımı ile birleştir, diğer Ultralytics Çözümlerini keşfet veya alttaki izleme modu hakkında bilgi oku.

SSS#

Ultralytics YOLO26 bir videodan nasıl ısı haritaları oluşturur?#

Ultralytics YOLO26, video kareleri boyunca nesneleri izleyerek ve her izlenen nesnenin konumunda bir yoğunluk değeri biriktirerek, ardından sonucu renklendirerek ve orijinal kareyle harmanlayarak ısı haritaları oluşturur. Nesnelerin sık göründüğü veya kaldığı alanlar daha yüksek yoğunluk oluşturur ve daha sıcak renklerde işlenir. Yapılandırma seçenekleri için Heatmap() Argümanları bölümüne göz at.

Isı haritası çıktısını bir video dosyasına nasıl kaydederim?#

main example bölümünde gösterildiği gibi, OpenCV'nin cv2.VideoWriter fonksiyonunu kullan ve işlenen her kare için results.plot_im yaz. plot_im özniteliği, ısı haritası katmanı önceden uygulanmış olan kareyi barındırır.

Isı haritalarını nesne sayma ile birleştirebilir miyim?#

Evet. Heatmap() fonksiyonuna çizgi, dikdörtgen veya çokgen noktaları içeren bir region argümanı aktar; çözüm, ısı haritası oluşurken bu bölgeye giren ve çıkan nesneleri sayar. Döndürülen sonuçlar in_count, out_count ve sınıf başına sayıları içerir. Bölge yapılandırma detayları için object counting guide sayfasına göz at.

Ultralytics YOLO26 kullanarak ısı haritalarında yalnızca belirli nesne sınıflarını nasıl görselleştirebilirim?#

Tutmak istediğin sınıf indeksleriyle birlikte classes argümanını Heatmap() fonksiyonuna aktar. Örneğin, classes=[0, 2] ısı haritasını yalnızca kişilerden ve arabalardan (COCO sınıf indeksleri 0 ve 2) oluşturur:

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()

Ultralytics YOLO26 ısı haritalarını OpenCV veya Matplotlib gibi diğer veri görselleştirme araçlarından farklı kılan nedir?#

Ultralytics YOLO26 ısı haritaları nesne algılama, izleme, yoğunluk biriktirme ve katman oluşturma işlemlerini tek bir çağrıda birleştirirken OpenCV veya Matplotlib gibi genel araçlar bu boru hattını kendin kurmanı gerektirir. Çözüm, video akışlarını gerçek zamanlı olarak işler ve kutudan çıktığı gibi kalıcı izleme ve özelleştirilebilir renk haritalarını destekler. Temel model hakkındaki ayrıntılar için YOLO26 model sayfasına bak.