Trực quan hóa dữ liệu nâng cao: Bản đồ nhiệt sử dụng Ultralytics YOLOv8 🚀

Giới thiệu về Heatmaps

Bản đồ nhiệt được tạo bằng Ultralytics YOLOv8 Chuyển đổi dữ liệu phức tạp thành một ma trận được mã hóa màu sắc sống động. Công cụ trực quan này sử dụng một phổ màu sắc để đại diện cho các giá trị dữ liệu khác nhau, trong đó màu sắc ấm hơn cho thấy cường độ cao hơn và tông màu lạnh hơn biểu thị giá trị thấp hơn. Bản đồ nhiệt vượt trội trong việc trực quan hóa các mẫu dữ liệu, mối tương quan và sự bất thường phức tạp, cung cấp một cách tiếp cận dễ tiếp cận và hấp dẫn để giải thích dữ liệu trên các lĩnh vực khác nhau.

Xem: Bản đồ nhiệt sử dụng Ultralytics YOLOv8

Tại sao chọn bản đồ nhiệt để phân tích dữ liệu?

Trực quan hóa phân phối dữ liệu trực quan: Bản đồ nhiệt đơn giản hóa việc hiểu tập trung và phân phối dữ liệu, chuyển đổi các bộ dữ liệu phức tạp thành các định dạng trực quan dễ hiểu.
Phát hiện mẫu hiệu quả: Bằng cách trực quan hóa dữ liệu ở định dạng bản đồ nhiệt, việc phát hiện xu hướng, cụm và ngoại lệ trở nên dễ dàng hơn, tạo điều kiện phân tích và hiểu biết nhanh hơn.
Tăng cường phân tích không gian và ra quyết định: Bản đồ nhiệt là công cụ minh họa các mối quan hệ không gian, hỗ trợ quá trình ra quyết định trong các lĩnh vực như kinh doanh thông minh, nghiên cứu môi trường và quy hoạch đô thị.

Ứng dụng trong thế giới thực

Giao thông vận tải	Bán lẻ

Ultralytics YOLOv8 Bản đồ nhiệt giao thông	Ultralytics YOLOv8 Bản đồ nhiệt bán lẻ

Cấu hình bản đồ nhiệt

heatmap_alpha: Đảm bảo giá trị này nằm trong phạm vi (0.0 - 1.0).
decay_factor: Được sử dụng để loại bỏ heatmap sau khi một đối tượng không còn trong khung, giá trị của nó cũng phải nằm trong phạm vi (0.0 - 1.0).

Bản đồ nhiệt sử dụng Ultralytics YOLOv8 Ví dụ

Bản đồ nhiệtĐếm dòngĐếm đa giácĐếm khu vựcIm0Các lớp học cụ thể

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()

Lập luận `set_args`

Tên	Kiểu	Mặc định	Sự miêu tả
`view_img`	`bool`	`False`	Hiển thị khung bằng bản đồ nhiệt
`colormap`	`cv2.COLORMAP`	`None`	CV2. COLORMAP cho bản đồ nhiệt
`imw`	`int`	`None`	Chiều rộng của bản đồ nhiệt
`imh`	`int`	`None`	Chiều cao của bản đồ nhiệt
`line_thickness`	`int`	`2`	Tăng hộp giới hạn và đếm độ dày văn bản
`view_in_counts`	`bool`	`True`	Chỉ hiển thị số lượng trên khung video
`view_out_counts`	`bool`	`True`	Chỉ hiển thị số lượng vượt trội trên khung hình video
`classes_names`	`dict`	`model.model.names`	Từ điển tên lớp
`heatmap_alpha`	`float`	`0.5`	Giá trị alpha của bản đồ nhiệt
`count_reg_pts`	`list`	`None`	Điểm vùng đếm đối tượng
`count_txt_color`	`RGB Color`	`(0, 0, 0)`	Màu nền trước cho đối tượng đếm văn bản
`count_reg_color`	`RGB Color`	`(255, 0, 255)`	Đếm màu vùng
`region_thickness`	`int`	`5`	Đếm giá trị độ dày vùng
`decay_factor`	`float`	`0.99`	Hệ số phân rã để loại bỏ khu vực bản đồ nhiệt sau thời gian cụ thể
`shape`	`str`	`circle`	Hình dạng bản đồ nhiệt để hiển thị "rect" hoặc "circle" được hỗ trợ
`line_dist_thresh`	`int`	`15`	Ngưỡng khoảng cách Euclide cho bộ đếm dòng
`count_bg_color`	`RGB Color`	`(255, 255, 255)`	Đếm màu tô sáng
`cls_txtdisplay_gap`	`int`	`50`	Hiển thị khoảng cách giữa mỗi lớp học

Lập luận `model.track`

Tên	Kiểu	Mặc định	Sự miêu tả
`source`	`im0`	`None`	Thư mục nguồn cho hình ảnh hoặc video
`persist`	`bool`	`False`	Các rãnh liên tục giữa các khung hình
`tracker`	`str`	`botsort.yaml`	Phương pháp theo dõi 'bytetrack' hoặc 'botsort'
`conf`	`float`	`0.3`	Ngưỡng tin cậy
`iou`	`float`	`0.5`	Ngưỡng IOU
`classes`	`list`	`None`	Lọc kết quả theo lớp, tức là lớp = 0 hoặc lớp = [0,2,3]

Bản đồ nhiệt COLORMAPs

Tên bản đồ màu	Sự miêu tả
`cv::COLORMAP_AUTUMN`	Bản đồ màu mùa thu
`cv::COLORMAP_BONE`	Bản đồ màu xương
`cv::COLORMAP_JET`	Bản đồ màu máy bay phản lực
`cv::COLORMAP_WINTER`	Bản đồ màu mùa đông
`cv::COLORMAP_RAINBOW`	Bản đồ màu cầu vồng
`cv::COLORMAP_OCEAN`	Bản đồ màu đại dương
`cv::COLORMAP_SUMMER`	Bản đồ màu mùa hè
`cv::COLORMAP_SPRING`	Bản đồ màu mùa xuân
`cv::COLORMAP_COOL`	Bản đồ màu sắc mát mẻ
`cv::COLORMAP_HSV`	Bản đồ màu HSV (Hue, Saturation, Value)
`cv::COLORMAP_PINK`	Bản đồ màu hồng
`cv::COLORMAP_HOT`	Bản đồ màu nóng
`cv::COLORMAP_PARULA`	Bản đồ màu Parula
`cv::COLORMAP_MAGMA`	Bản đồ màu magma
`cv::COLORMAP_INFERNO`	Bản đồ màu địa ngục
`cv::COLORMAP_PLASMA`	Bản đồ màu plasma
`cv::COLORMAP_VIRIDIS`	Bản đồ màu Viridis
`cv::COLORMAP_CIVIDIS`	Bản đồ màu Cividis
`cv::COLORMAP_TWILIGHT`	Bản đồ màu hoàng hôn
`cv::COLORMAP_TWILIGHT_SHIFTED`	Bản đồ màu Chạng vạng thay đổi
`cv::COLORMAP_TURBO`	Bản đồ màu Turbo
`cv::COLORMAP_DEEPGREEN`	Bản đồ màu xanh lá cây đậm

Các bản đồ màu này thường được sử dụng để trực quan hóa dữ liệu với các biểu diễn màu khác nhau.

Đã tạo 2023-12-07, Cập nhật 2024-04-05
Tác giả: RizwanMunawar (8), glenn-jocher (7), AyushExel (1), 1579093407@qq.com (1)