Типы детектoров Интеллект X

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.

Детектор огня (CPU, 0.1fps)

Детектор дыма (CPU, 0.1fps)

Детекторы огня и дыма на базе нейронных сетей при использовании ресурсов CPU.

В скобках указана частота кадров, задаваемая при настройке детектора (параметр Количество обрабатываемых кадров в сек). Это количество кадров в секунду, обрабатываемых модулем; частота кадров поступающего видеопотока как правило выше. 

Подсчёт посетителей (CPU)

Детектор подсчёта посетителей с использованием ресурсов CPU. Результаты получены при частоте кадров в настройках детектора (параметр Количество обрабатываемых кадров в сек) − 25.

Тепловая карта (CPU)

Тепловая карта на базе трекера объектов с использованием ресурсов CPU.

Длина очереди (CPU)

Детектор позы (CPU, 3fps)

Детекторы поз на базе нейронных сетей при использовании ресурсов CPU.

В скобках указана частота кадров, задаваемая при настройке детектора (параметр Количество обрабатываемых кадров в сек). Это количество кадров в секунду, обрабатываемых модулем; частота кадров поступающего видеопотока как правило выше. 

Количество детекторов отдельных поз, создаваемых в конфигурации под головным объектом Детектор позы, не влияет на результаты расчета (кроме детектора близко стоящих людей).

Детекторы поз на базе нейронных сетей при использовании ресурсов процессора машинного зрения (GPU). При этом использовался режим работы декодера GPU.

В скобках указана частота кадров, задаваемая при настройке детектора (параметр Количество обрабатываемых кадров в сек). Это количество кадров в секунду, обрабатываемых модулем; частота кадров поступающего видеопотока, как правило, выше.

Количество детекторов отдельных поз, создаваемых в конфигурации под головным объектом Детектор позы, не влияет на результаты расчета (кроме детектора близко стоящих людей).
Подбор моделей и количества GPU осуществляется отдельно с использованием информации о производительности GPU для детекторов.
Результаты актуальны для стандартной нейросети, то есть получены для нейросети, способной детектировать объект размером не менее 5% от ширины/высоты кадра. При использовании нейросети, способной детектировать более мелкие объекты, результаты будут отличаться (потребуется больше ресурсов).

Детектор экипировки (CPU, 1fps)

Детектор средств индивидуальной защиты (СИЗ) на базе нейронных сетей с использованием ресурсов CPU. 

В скобках указана частота кадров, задаваемая при настройке детектора (параметр Количество обрабатываемых кадров в сек). Это количество кадров в секунду, обрабатываемых модулем; частота кадров поступающего видеопотока как правило выше. 

Результаты получены для детектора с работой одновременно 5 классификационных сетей при определении экипировки на каждом участке тела (голова, торс, кисти рук, ноги, стопы) в условиях шлюза: на входе в зону, в которой требуется экипировка, сотрудник задерживается на 5-10 секунд, в течение которых детектор определяет наличие на нем необходимого снаряжения.

Детектор средств индивидуальной защиты (СИЗ) на базе нейронных сетей с использованием ресурсов процессора машинного зрения (GPU). При этом использовался режим работы декодера GPU.

В скобках указана частота кадров, задаваемая при настройке детектора (параметр Количество обрабатываемых кадров в сек). Это количество кадров в секунду, обрабатываемых модулем; частота кадров поступающего видеопотока, как правило, выше.

Результаты получены для детектора с работой одновременно 5 классификационных сетей при определении экипировки на каждом участке тела (голова, торс, кисти рук, ноги, стопы) в условиях шлюза: на входе в зону, в которой требуется экипировка, сотрудник задерживается на 5-10 секунд, в течение которых детектор определяет наличие на нем необходимого снаряжения.

Подбор моделей и количества GPU осуществляется отдельно с использованием информации о производительности GPU для детекторов.
При использовании GPU на нем будет обрабатываться как сегментирующая нейросеть, так и классификационные нейросети.