Skip to main content

Uživatelská příručka systému BriefCam

Globální filtry
Last Updated: 3 minute read
Verze2024r2
JazykČeština

K zahrnutí a zobrazení pouze objektů odpovídajících rozsahu vlastností na kartě PROHLÍŽEČ lze použít bohatý výběr granulárních filtrů.

Všechny dostupné možnosti filtrování naleznete v následující tabulce.

Byl použit filtr

Objekty případu zahrnuty

Zdroj

Objekty pocházející z konkrétních video synopsí (pokud nejsou vybrány žádné zdroje, zobrazí se objekty ze všech zdrojů).

Ve výchozím nastavení jsou vybrány všechny zdroje.

Nahrané soubory se zobrazí v adresáři s názvem SOUBORY.

Časový rozsah

Objekty odpovídající určitému časovému rozsahu.

Poznámka

Pro filtr časového rozsahu se berou v úvahu pouze vybrané zdroje.

Třída

Objekty odpovídající následujícím třídám:

Lidé: Muž, Žena, Dítě

Dvoukolová vozidla: jízdní kolo, motocykl

Ostatní vozidla:Auto,Pick-up,Dodávka,Nákladní vůz,Autobus,Vlak,Letadlo, Loď

Změny osvětlení: Zapnutá světla, Vypnutá světla (viz také Změny osvětlení)

Zvířata

Upozorňujeme, že:

  • Do třídy Car patří minivany, SUV, dodávky, nákladní vozy atd.

  • U kamer nastavených na Režie nebo Počítání nejsou zjištěna vozidla.

Atributy osoby

Objekty s následujícími atributy:

Oblečení horní části těla: Dlouhé rukávy, Krátké rukávy, Barvy*

Oblečení dolní části těla: Dlouhé, Krátké, Barvy*

Klobouk: Ne Klobouk, Klobouk – Kapuce jsou považovány za pokrývky hlavy.

Obličejová maska: Žádná maska, maska – Detektor obličejové masky funguje pouze na obličejích, které jsou v kvalitě 1 hvězdička nebo vyšší (objekty, které se zobrazí po kliknutí na možnost Zobrazit obličeje ve filtru Rozpoznávání obličejů ).

Taška: Žádná taška, batoh, ruka držena – ruka držena může také vyvolat jakoukoli položku drženou v ruce člověka, jako jsou notebooky a mobilní telefony.

Toleranci atributů můžete jemně doladit pomocí pole Tolerance. Viz také Nastavení tolerance filtru.

Můžete jemně doladit barvy spodního a horního oblečení pomocí polí Odstín a Pokrytí. Viz také Tolerance barev v Tolerance barev.

*Upozorňujeme, že:

  • Při vyhledávání osob používajících barvy za účelem dosažení nejlepších možných výsledků se doporučuje použít horní a dolní barvy v atributech osoby namísto filtru barev, protože barvy atributu osoby jsou optimalizovány pro osoby.

  • Filtrování podle barev pro spodní a horní oblečení funguje pouze pro osoby, které stojí a nepracují na 360 kamerách.

Značka (výrobce) a model vozidla

Vozidla odpovídající určité značce a modelu. Viz také Rozpoznávání značky (výrobce) a modelu vozidla.

Barva

Objekty odpovídající libovolné kombinaci hnědé, červené, oranžové, žluté, zelené, limetkové, azurové, fialové, růžové, bílé, šedé a černé.

Při vyhledávání osob používajících barvy za účelem dosažení nejlepších možných výsledků se doporučuje použít horní a dolní barvy v atributech osoby namísto barevného filtru, protože barvy atributu osoby jsou optimalizovány pro osoby.

Viz také Tolerance barev v Tolerance barev.

Velikost

Objekty na základě jejich skutečné (reálné) velikosti.

Můžete si vybrat velikost mezi 0-65 stop (0-20 metrů).

Rychlost

Objekty podle jejich skutečné rychlosti.

Můžete zvolit rychlost v rozmezí 0–155 mil/hod (0–250 km/hod).

Setrvání

Objekty, které ve scéně setrvaly po dobu specifikovanou uživatelem nebo déle.

Směr

Objekty cestovaly v určeném směru.

Blízkost

Objekty vyskytující se pod nebo nad stanovenou vzdáleností. Viz také Blízkost.

Podobnost vzhledu

Objekty s podobnými atributy, a to buď osoby (podobnost osob), nebo vozidla (podobnost vozidel). Viz také Podobnost vzhledu.

Rozpoznávání obličeje

Objekty, které mají detekovanou tvář. Viz také Rozpoznávání obličeje.

Rozpoznávání SPZ

Objekty, které mají zjištěné číslo registrační značky. Viz také Rozpoznávání SPZ.

Metoda klasifikace BriefCam

BriefCamPoužívá dvoustupňový klasifikační přístup. Zaprvé BriefCamklasifikuje kategorii třídy (např. vozidlo). Pro tuto nejvyšší úroveň, BriefCammá 96% přesnost nebo vyšší. U podtříd je filtrování podrobnější a přesnost nemusí být stejná jako u tříd nejvyšší úrovně (např. konkrétní typ vozidla).

V některých případech se o klasifikaci podtříd podle jemného zrna nepokouší. Pokud máte například objekt s velmi nízkým rozlišením, může být možné zjistit, že se jedná o dvoukolové vozidlo, ale rozlišení není dostatečně vysoké, aby bylo možné určit, zda se jedná o jízdní kolo nebo motocykl.