Перейти в хранилище документации
Обратиться в техническую поддержку
Для настройки детекторов анализа ситуации на базе нейротрекера необходимо:
В поле Количество обрабатываемых кадров в сек задать количество кадров в секунду, которые будет обрабатывать нейросеть (4). Чем выше значение, тем точнее трекинг, но выше нагрузка на процессор.
Внимание!
Рекомендуются 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).
Для работы поиска похожих в поле Поиск похожих выбрать из списка значение Да (7). При активации параметра нагрузка на процессор увеличивается.
Внимание
Поиск похожих работает только по трекам людей.
В поле Режим работы нейротрекера выбрать процессор для работы нейросети − центральный, один из графических процессоров Nvidia или один из графических процессоров Intel (11, см. Требования к аппаратной платформе для работы нейроаналитики, Общие сведения о настройке детекторов).
Внимание!
В поле Тип объекта выбрать объект распознавания (13) или в поле Файл нейросети выбрать файл нейросети (14).
Внимание!
Для подготовки нейросети необходимо обратиться в компанию ITV (см. Требования ко сбору данных для обучения нейросетей). Использование подготовленной нейросети для конкретной сцены позволяет детектировать объекты только определенного типа (например, человек, велосипедист, мотоциклист и т.д.). Если файл нейросети не задан, будет использоваться файл по умолчанию, который выбирается автоматически в зависимости от выбранного типа объекта (13) и выбранного процессора для работы нейросети (10). При использовании уникальной нейросети требуется указать путь к файлу. Выбранный тип объекта игнорируется при использовании уникальной нейросети.
Примечание
Для корректной работы нейросети в ОС Linux соответствующий файл должен располагаться в директории /opt/AxxonSoft/DetectorPack/NeuroSDK.
При необходимости активировать параметр Квантизация модели (18). Данный параметр позволяет уменьшить потребление вычислительных мощностей GPU.
В ITV было проведено исследование, в ходе которого модель, которая обучалась идентифицировать характеристики детектируемого объекта при квантизации модели, дала следующие результаты: квантизация модели может привести к повышению процента распознавания, а так же к его падению. Это связано с обобщением математической модели. Изменение процента детекции колеблется в пределах ± 1,5%, а процент идентификации объекта в пределах ± 2%.
Примечание
Если не требуется детектировать неподвижные объекты, выбрать Да в поле Скрыть неподвижные объекты (20). При обнаружении подвижных объектов использование данного параметра позволяет уменьшить количество ложных срабатываний. Объект считается неподвижным, если за все время существования его трека он не сместился более чем на 10% от своей ширины или высоты.
Внимание!
Если неподвижный объект начнет движение, детектор выдаст на него сработку и объект больше не будет считаться неподвижным.
По умолчанию весь кадр является зоной детектирования. Если необходимо ограничить зону анализа, в окне предварительного просмотра задать одну или несколько областей, в которых необходимо выполнять анализ.
Примечание
Задание областей анализа выполняется по аналогии с базовым трекером (см. Задание общих зон анализа ситуации). Однако для нейротрекера, в отличие от базового, задаются именно зоны анализа, а не зоны игнорирования.
Далее следует на базе нейротрекера создать и настроить необходимые детекторы. Их настройка будет осуществляться так же, как и для базового трекера (см. Настройка детекторов анализа ситуации на базе трекера объектов).
Внимание!