Page History

...

1. Установить флажок Генерировать событие при появлении/исчезновении трека, чтобы при появлении объекта (трека) в кадре и уходе из кадра формировалось событие.

   Info
   title Примечание
   События о появлении и исчезновении трека появляются только в отладочном окне (см. Запуск отладочного окна), в протоколе событий они не отображаются.

2. Установить флажок Показывать объекты на изображении, чтобы при просмотре живого видео детектируемый объект выделялся рамкой.

3. Установить флажок Сохранять треки для отображения в архиве, чтобы при просмотре видеоархива детектируемый объект выделялся рамкой.

   Info
   title Примечание
   Данный параметр не влияет на поиск VMDA и имеет исключительно визуальный характер. При использовании этого параметра будет задействована БД titles.

4. Установить флажок Квантизация модели, чтобы включить квантизацию модели. По умолчанию флажок снят. Данный параметр позволяет уменьшить потребление вычислительных мощностей графического процессора.
   

   Info
   title Примечание
   В компании ITV было проведено исследование, которое для модели, обученной идентифицировать характеристики детектируемого объекта, показало следующие результаты: квантизация может привести и к повышению процента распознавания, и к его падению. Это связано с обобщением математической модели. Изменение процента детекции колеблется в пределах ± 1,5%, а процент идентификации объекта в пределах ± 2%. Квантизация модели применима только для NVIDIA GPU. Первый запуск детектора с активированной функцией квантизации может занять больше времени, чем стандартный запуск. Если используется кэширование GPU, последующие запуски детектора с квантизацией будут выполняться без задержек.

5. Из раскрывающегося списка Тип объекта выбрать тип объекта для анализа:
   • Люди обычный ракурс − камера направлена на человека под углом 100-160°100−160°;
   • Люди вид сверху − камера направлена на человека сверху под небольшим углом;
   • Авто обычный ракурс − камера направлена на автомобиль под углом 100-160°100−160°;
   • Человек и транспортное средство (Нано) – распознаются человек и транспортное средство, небольшой размер сети;
   • Человек и транспортное средство (Средняя) – распознаются человек и транспортное средство, средний размер сети;
   • Человек и транспортное средство (Большая) – распознаются человек и транспортное средство, большой размер сети;
   • Люди вид сверху (Нано) − камера направлена на человека сверху под небольшим углом, небольшой размер сети;
   • Люди вид сверху (Средняя) − камера направлена на человека сверху под небольшим углом, средний размер сети;
   • Люди вид сверху (Большая) − камера направлена на человека сверху под небольшим углом, большой размер сети.

     Info
     title Примечание
     Нейросети названы с учетом детектируемых ими объектов. В названиях могут быть указаны размеры нейросети (Нано, Средняя, Большая), которые указывают на количество потребляемых ресурсов. Чем больше нейросеть, тем выше точность распознавания объектов, но и больше нагрузка на процессор.

     
     

6. По умолчанию инициализируется стандартная (дефолтная) нейросеть согласно выбранным типу объекта на шаге 5 и устройству на шаге 7. Стандартные сети для разных типов процессора подбирать вручную не требуется, т.к. это происходит автоматически. Если для использования подготовлена уникальная нейросеть, то справа от поля Модель трекинга нажать кнопку  и в открывшемся стандартном окне проводника Windows указать ее файл. 
   

   Note
   title Внимание!
   Для подготовки нейросети необходимо обратиться в службу технической поддержки ITV (см. Требования к сбору данных для обучения нейросетей). Использование подготовленной нейросети для конкретной сцены позволяет детектировать объекты только определенного типа (например, человек, велосипедист, мотоциклист и т.д.).

7. Из раскрывающегося списка Устройство выбрать устройство, на котором будет происходить работа нейросети: центральный процессор (CPU), один из графических процессоров NVIDIA или один из графических процессоров Intel. Auto (значение по умолчанию) − устройство выбирается автоматически: высший приоритет получает NVIDIA GPU, за ним следует Intel GPU, потом CPU. 
   

   Note
   title Внимание!
   Рекомендуется использовать графический процессор. Запуск работы алгоритма на NVIDIA GPU после применения настроек может занимать несколько минут. Для ускорения последующих запусков можно использовать функцию кэширования (см. Настройка ускорения запуска нейроаналитики на GPU). В подсистеме Detector Pack версии 3.0 убрана поддержка Intel HDDL, поэтому при обновлении с версии 2.8 вместо этого варианта устройства автоматически выбирается вариант Not supported, при этом детекторы работать не будут. Для возобновления работы детекторов выбрать требуемое устройство из списка.

8. Из раскрывающегося списка Обрабатывать выбрать, какие именно объекты будут обработаны нейросетью:
   • Все объекты − движущиеся и неподвижные объекты;
   • Только движущиеся объекты − объект считается движущимся, если за все время существования его трека он сместился более чем на 10% от своей ширины или высоты. Использование данного параметра позволяет уменьшить количество ложных срабатываний;

   • Только неподвижные объекты − объект считается неподвижным, если за все время существования его трека он сместился не более чем на 10% от своей ширины или высоты. Если неподвижный объект начнет движение, детектор сработает и объект больше не будет считаться неподвижным.
     

     Info
     title Примечание
     Выбор только движущихся объектов и только неподвижных объектов не является взаимоисключающим, т.к. часть треков может быть не определена ни как движущиеся, ни как неподвижные. Вначале нейросеть фиксирует все объекты, а после этого детектор отсеивает ненужные треки в соответствием с выбранным значением настройки Обрабатывать.

      

9. Из раскрывающегося списка Положение камеры выбрать: 
   1. Стена – объекты отслеживаются, только если их нижняя часть попадает в территорию наблюдения, определенную в настройках детектора.
   2. Потолок – объекты отслеживаются. даже если их нижняя часть не попадает в территорию наблюдения, определенную в настройках детектора.

...

1. Перейти на вкладку Дополнительные настройки настроечной панели нейротрекера. 
   

2. В поле Порог распознавания: [0, 100] ввести чувствительность нейротрекера – целое число в диапазоне от 0 до 100. 

   Info
   title Примечание
   Чувствительность нейротрекера определяется экспериментально. Чем чувствительность меньше, тем больше вероятность ложных срабатываний. Чем чувствительность больше, тем меньше вероятность ложных срабатываний, однако могут пропускаться некоторые полезные треки. См. Примеры настройки нейротрекера для решения типовых задач.

3. В поле Количество обрабатываемых кадров в сек [0,016, 100] в диапазоне от 0,016 до 100 задать число кадров в секунду, которое будет обрабатывать нейросеть. Для всех остальных кадров будет выполняться интерполяция – нахождение промежуточных значений по имеющемуся дискретному набору ее известных значений. Чем выше значение параметра, тем точнее трекинг, но выше нагрузка на процессор.

   Info
   title Примечание
   Рекомендуемое значение – не менее 6 кадров в секунду. Для быстро перемещающихся объектов (бегущий человек, машина) частота кадров в секунду должна быть не менее 12 (см. Примеры настройки нейротрекера для решения типовых задач).

4. В поле Минимальное количество срабатываний [2, 100] указать минимальное количество срабатываний нейротрекера для отображения трека объекта. Чем больше значение данного параметра, тем дольше пройдет времени от обнаружения объекта до отображения его трека. Низкое значение данного параметра может привести к ложным срабатываниям. Значение по умолчанию – 6. Диапазон значений – от 2 до 100, введенное число больше максимального или меньше минимального значения из указанного промежутка автоматически приводится к максимальному или минимальному значению соответственно.

5. В поле Время удержания трека (сек) в диапазоне от 0,3 до 1000 указать время в секундах, по истечении которого трек объекта считается потерянным. Данный параметр полезен в ситуациях, когда один объект в кадре временно перекрывает другой. Например, когда крупная машина полностью перекрывает небольшой автомобиль.

   Info
   title Примечание
   Если объект (трек) находится близко к границе кадра, то с момента исчезновения объекта из кадра до момента удаления его трека проходит примерно половина времени, указанного в поле Время удержания трека (сек).

6. Установить флажок Сканирующий режим для обнаружения небольших объектов. Включение этого режима увеличивает нагрузку на систему, поэтому на шаге 3 рекомендуется устанавливать небольшое количество обрабатываемых кадров в секунду. По умолчанию флажок снят. Подробное описание сканирующего режима см. на странице Настройка сканирующего режима.
7. При необходимости указать класс детектируемого объекта в поле Целевые классы. Для отображения треков нескольких классов их необходимо указать через запятую с пробелом. Например, 1, 10.
   Числовые обозначения классов для встроенных нейросетей: 1 – Люди обычный ракурс / Люди вид сверху, 10 – Авто обычный ракурс.
   

   Info
   title Примечание
   Если оставить поле пустым, будут отображаться треки всех доступных классов из нейросети (Тип объекта, Файл нейросети). Если указать класс/классы из нейросети, будут отображаться треки указанного класса/классов (Тип объекта, Файл нейросети). Если указать класс/классы из нейросети и класс/классы, отсутствующие в нейросети, будут отображаться треки класса/классов из нейросети (Тип объекта, Файл нейросети). Если указать класс/классы, отсутствующие в нейросети, будут отображаться треки всех доступных классов из нейросети (Тип объекта, Файл нейросети).

...