Link to this sectionUltralytics YOLO26 ile Nesne Takibi Isı Haritaları#

The Heatmap solution in Ultralytics YOLO26 tracks objects across video frames and overlays their accumulated movement intensity onto each frame, so busy areas glow in warm colors while quiet areas stay cool. Built on YOLO26 object tracking, it turns any video into a spatial activity map that reveals traffic flow, crowd movement, and dwell zones with a single Python call or CLI command.

Link to this sectionVideo 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 sayım: Isı haritası oluşturulurken bir bölgeye girip çıkan nesneleri saymak için bir region parametresi geçirerek iki analitik görevini tek bir çalıştırılmada birleştir.

Link to this sectionGerçek Dünya Uygulamaları#

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

Link to this sectionUltralytics 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)]"

Link to this sectionHeatmap() Argümanları#

İşte Heatmap argümanlarını içeren bir tablo:

You can also apply different track arguments in the Heatmap solution.

Ek olarak, desteklenen görselleştirme argümanları aşağıda listelenmiştir:

Link to this sectionIsı Haritası Renk Haritaları#

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

Link to this sectionIsı Haritaları Nasıl Çalışır#

Isı Haritası çözümü, ObjectCounter sınıfını genişletir. İşlenen ilk karede, kare boyutuyla eşleşen 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 video verilerindeki trafik modellerini, kalabalık hareketlerini veya diğer mekansal davranışları ortaya çıkaran dinamik bir görselleştirmedir. Bir region ayarlandığında, çözüm ısı haritası oluşurken aynı zamanda o bölgeye giren ve çıkan nesneleri de sayar.

Link to this sectionSonuç#

Ultralytics YOLO26 Isı Haritası çözümü, nesne takibi sonuçlarını birkaç satır kodla sezgisel bir aktivite kaplamasına dönüştürür. Daha fazlası için, bunu nesne sayma ile birleştir, diğer Ultralytics Çözümlerini keşfet veya temel takip modu hakkında bilgi edin.

Link to this sectionSSS#

Link to this sectionUltralytics YOLO26 bir videodan nasıl ısı haritaları oluşturur?#

Ultralytics YOLO26, nesneleri video kareleri boyunca takip ederek ve her takip edilen nesnenin konumunda bir yoğunluk değeri biriktirerek, ardından sonucu renklendirip orijinal kareyle birleştirerek ısı haritaları oluşturur. Nesnelerin sık göründüğü veya kaldığı alanlar daha yüksek yoğunluk oluşturur ve daha sıcak renklerle işlenir. Yapılandırma seçenekleri için Heatmap() Argümanları bölümüne bak.

Link to this sectionIsı haritası çıktısını bir video dosyasına nasıl kaydederim?#

Use OpenCV's cv2.VideoWriter and write results.plot_im for every processed frame, as shown in the main example. The plot_im attribute holds the frame with the heatmap overlay already applied.

Link to this sectionIsı haritalarını nesne sayma ile birleştirebilir miyim?#

Yes. Pass a region argument to Heatmap() with line, rectangle, or polygon points, and the solution counts objects entering and exiting that region while the heatmap builds. The returned results include in_count, out_count, and per-class counts. See the object counting guide for region configuration details.

Link to this sectionUltralytics YOLO26 kullanarak ısı haritalarında yalnızca belirli nesne sınıflarını nasıl görselleştirebilirim?#

Tutmak istediğin sınıf indekslerini içeren classes argümanını Heatmap() fonksiyonuna geçir. 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()

Link to this sectionUltralytics YOLO26 ısı haritalarını OpenCV veya Matplotlib gibi diğer veri görselleştirme araçlarından farklı kılan nedir?#

Ultralytics YOLO26 ısı haritaları; nesne tespiti, takip, yoğunluk biriktirme ve kaplama işleme özelliklerini tek bir çağrıda birleştirirken, OpenCV veya Matplotlib gibi genel araçlar bu hattı kendin inşa etmeni gerektirir. Çözüm, video akışlarını gerçek zamanlı işler ve kutudan çıktığı haliyle kalıcı takip ve özelleştirilebilir renk haritalarını destekler. Temel model hakkında detaylar için YOLO26 model sayfasına bak.