Python绘制场景热力图实战：基于行人检测坐标的可视化叠加

Mia

发布时间：2026-10-14| 4人浏览过

原创

本文介绍如何在Python中利用行人检测得到的中心坐标绘制场景热力图。通过获取Bounding Box中心点并传入HeatMap库，可生成热力层。代码演示了如何将热力图以指定透明度加权叠加至原图，并通过调整半径参数控制可视化效果，适用于人群密集度等场景分析。

Python热力图绘制原理与流程

在进行如人群密集度等数据的可视化展示时，热力图是一种直观且常用的手段。在Python生态中，实现热力图的绘制相对便捷。

接下来，将以识别图片中的行人并据此绘制热力图为例，详细讲解具体操作流程。

第一步：对图像中的人员进行识别，获取每个检测目标的Bounding Box中心坐标。识别算法可选用多种方案，坐标数据亦可手动定义。
第二步：将所有获取到的中心坐标存入一个列表类型的变量data中，格式示例为data = [[x1,y1], [x2,y2], …]。
第三步：基于坐标数据绘制热力图，并将其以加权方式叠加到原始图像上，形成最终可视化结果。

首先需要导入必要的依赖包：

环境依赖与核心代码实现


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

根据识别结果生成data数据后，将其作为参数传入apply_heatmap(image, data)函数以执行热力图绘制；


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