人头识别热力图、人员拥挤识别

我们实现了人头检测算法，通过该算法可以实现人员数量统计，人流量统计，人员拥挤分析。

Python中绘制场景热力图

我们在做诸如人群密集度等可视化的时候，可能会考虑使用热力图，在Python中能很方便地绘制热力图。

下面以识别图片中的行人，并绘制热力图为例进行讲解。

步骤1：首先识别图像中的人，得到bounding box的中心坐标。识别方法多样化，坐标也可以自己定义。

步骤2：将所有中心坐标放入一个list类型的变量data中，即data = [[x1,y1] [x2,y2] …]

步骤3：绘制热力图，并将热力图加权叠加到原图上。

需要import的包：

import cv2
import numpy as np
from PIL import Image
from pyheatmap.heatmap import HeatMap
import matplotlib.pyplot as plt

根据识别的结果得到data的值，传入以下apply_heatmap(image,data)绘制热力图;

def apply_heatmap(image,data):
    '''image是原图，data是坐标'''
    '''创建一个新的与原图大小一致的图像，color为0背景为黑色。这里这样做是因为在绘制热力图的时候如果不选择背景图，画出来的图与原图大小不一致（根据点的坐标来的），导致无法对热力图和原图进行加权叠加，因此，这里我新建了一张背景图。'''
    background = Image.new("RGB", (image.shape[1], image.shape[0]), color=0)
    # 开始绘制热度图
    hm = HeatMap(data)
    hit_img = hm.heatmap(base=background, r = 100) # background为背景图片，r是半径，默认为10
    # ~ plt.figure()
    # ~ plt.imshow(hit_img)
    # ~ plt.show()
    #hit_img.save('out_' + image_name + '.jpeg')
    hit_img = cv2.cvtColor(np.asarray(hit_img),cv2.COLOR_RGB2BGR)#Image格式转换成cv2格式
    overlay = image.copy()
    alpha = 0.5 # 设置覆盖图片的透明度
    cv2.rectangle(overlay, (0, 0), (image.shape[1], image.shape[0]), (255, 0, 0), -1) # 设置蓝色为热度图基本色蓝色
    image = cv2.addWeighted(overlay, alpha, image, 1-alpha, 0) # 将背景热度图覆盖到原图
    image = cv2.addWeighted(hit_img, alpha, image, 1-alpha, 0) # 将热度图覆盖到原图

原图

 经过我们的算法检测结果

得到的拥挤热力图 

 [email protected]