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.
以识别图片中的行人，并绘制热力图为例.
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.
Python 实现：
import cv2
import numpy as np
from PIL import Image
from pyheatmap.heatmap import HeatMap
import matplotlib.pyplot as plt
def apply_heatmap(image, data):
'''
image: 原图
data: 识别得到的坐标结果.
'''
# 创建一个新的与原图大小一致的图像，color为0背景为黑色
# 原因：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
background = Image.new("RGB", (image.shape[1], image.shape[0]), color=0)
# 开始绘制热度图
hm = HeatMap(data)
# background为背景图片，r是半径，默认为10
# 可以用于调节可视化效果，调节r即可调节热力点的半径大小
hit_img = hm.heatmap(base=background, r = 100)
# hit_img 为 PIL Image格式.
#hit_img.save('out_' + image_name + '.jpeg')
#plt.figure()；plt.imshow(hit_img)；plt.show()
hit_img = cv2.cvtColor(np.asarray(hit_img),cv2.COLOR_RGB2BGR)
overlay = image.copy()
alpha = 0.5 # 设置覆盖图片的透明度
# 设置蓝色为热度图基本色蓝色
cv2.rectangle(overlay, (0, 0), (image.shape[1], image.shape[0]), (255, 0, 0), -1)
# 将背景热度图覆盖到原图
image = cv2.addWeighted(overlay, alpha, image, 1-alpha, 0)
# 将热度图覆盖到原图
image = cv2.addWeighted(hit_img, alpha, image, 1-alpha, 0)
return image测试结果如图(左-原图， 右-热力图结果)：
