Page History

Базовый детектор движения при использовании ресурсов CPU. Изменение частоты кадров в настройках детектора (параметр Количество обрабатываемых кадров в сек) не влияет существенно на загрузку.

Базовый детектор движения при использовании ресурсов графического процессора (GPU). При этом использовался режим работы декодера − GPU. Изменение частоты кадров в настройках детектора (параметр Количество обрабатываемых кадров в сек) не влияет существенно на загрузку.

Подбор моделей и количества GPU осуществляется отдельно с использованием информации о производительности GPU для детекторов.

Сервисные детекторы с прореживанием кадров при использовании ресурсов CPU:

• Деградация качества.
• Детектор размытого изображения.
• Детектор артефактов сжатия.
• Детектор зашумления изображения.
• Изменения положения.

Расчет платформы производится для одного сервисного детектора (любого из перечисленных).

Результаты получены для прореживания по опорным кадрам при параметре GOP=25 (опорным является каждый 25-ый кадр). Детектор применим только для кодеков H.264, H.265.

Встроенный детектор камеры (CPU)

Встроенный детектор на борту камеры с использованием ресурсов CPU.

Детекторы анализа ситуации (VMDA) на базе трекера объектов при использовании ресурсов CPU.

Результаты получены для трекера объектов с 1 работающим поддетектором Движение в области.

Детекторы анализа ситуации (VMDA) на базе трекера объектов с использованием нейрофильтра и ресурсов CPU.

Результаты получены для трекера объектов с нейрофильтром и с 1 работающим поддетектором Движение в области.

Детекторы анализа ситуации (VMDA) на базе трекера объектов с использованием нейрофильтра и ресурсов графического процессора (GPU). При этом использовался режим работы декодера CPU.

Результаты получены для трекера объектов с нейрофильтром и с 1 работающим поддетектором Движение в области.

Подбор моделей и количества GPU осуществляется отдельно с использованием информации о производительности GPU для детекторов.

Детекторы анализа ситуации на базе нейротрекера с использованием ресурсов CPU и ресурсоемких нейросетей для детектирования людей или транспортных средств.

Для детектора можно выбрать тип объекта распознавания: человек, человек (вид сверху), транспортное средство.

Относительная точность: средняя, относительная ресурсоемкость: низкая.

Данные нейросети встроены в продукт и могут быть обучены по запросу для обнаружения различных объектов. В скобках указана частота кадров, задаваемая при настройке объекта Нейротрекер (параметр Количество обрабатываемых кадров в сек). Это количество кадров в секунду, обрабатываемых модулем; частота кадров поступающего видеопотока, как правило, выше.

Результаты получены для нейротрекера с 1 работающим поддетектором Движение в области.

Детекторы анализа ситуации на базе нейротрекера с использованием ресурсов GPU и ресурсоемких нейросетей для детектирования людей или транспортных средств.

Для расчета используется режим работы декодера GPU.

Для детектора можно выбрать тип объекта распознавания: человек, человек (вид сверху), транспортное средство.

Относительная точность: средняя, относительная ресурсоемкость: низкая.

Данные нейросети встроены в продукт и могут быть обучены по запросу для обнаружения различных объектов. В скобках указана частота кадров, задаваемая при настройке объекта Нейротрекер (параметр Количество обрабатываемых кадров в сек). Это количество кадров в секунду, обрабатываемых модулем; частота кадров поступающего видеопотока, как правило, выше.

Результаты получены для нейротрекера с 1 работающим поддетектором Движение в области.

Детекторы анализа ситуации на базе нейротрекера с использованием ресурсов CPU и нейросети повышенной точности для детектирования людей и (или) транспортных средств.

Для детектора можно выбрать тип объекта распознавания и точность: 

• Нано: относительная точность – умеренно высокая, относительная ресурсоемкость – средняя.
• Средняя: относительная точность – высокая, относительная ресурсоемкость – высокая.

Данные нейросети встроены в продукт и могут быть обучены по запросу для обнаружения различных объектов. В скобках указана частота кадров, задаваемая при настройке объекта Нейротрекер (параметр Количество обрабатываемых кадров в сек). Это количество кадров в секунду, обрабатываемых модулем; частота кадров поступающего видеопотока, как правило, выше.
Результаты получены для нейротрекера с 1 работающим поддетектором Пересечение линии.

Детекторы анализа ситуации на базе нейротрекера с использованием ресурсов GPU и нейросети повышенной точности для детектирования людей и (или) транспортных средств. Для расчета используется режим работы декодера GPU.

Для детектора можно выбрать тип объекта распознавания и точность:

• Нано: относительная точность – умеренно высокая, относительная ресурсоемкость – средняя.
• Средняя: относительная точность – высокая, относительная ресурсоемкость – высокая.
• Большая: относительная точность – очень высокая, относительная ресурсоемкость – очень высокая.

Данные нейросети встроены в продукт и могут быть обучены по запросу для обнаружения различных объектов. В скобках указана частота кадров, задаваемая при настройке объекта Нейротрекер (параметр Количество обрабатываемых кадров в сек). Это количество кадров в секунду, обрабатываемых модулем; частота кадров поступающего видеопотока, как правило, выше.
Результаты получены для нейротрекера с 1 работающим поддетектором Пересечение линии.