Globale Filter
Eine große Auswahl an detaillierten Filtern kann verwendet werden, um nur Objekte einzubeziehen und anzuzeigen, die einer bestimmten Merkmalsgruppe auf der Registerkarte BETRACHTER entsprechen.
In der folgenden Tabelle finden Sie alle verfügbaren Filteroptionen.
Angewendeter Filter | Inklusive Fallobjekte |
Quelle | Objekte, die von bestimmten Videosynopsen stammen (wenn keine Quellen ausgewählt sind, werden Objekte aus allen Quellen angezeigt). Standardmäßig sind alle Quellen ausgewählt. Hochgeladene Dateien werden in einem Verzeichnis namens FILES angezeigt. |
Zeitspanne | Objekte, die mit bestimmten Zeitspannen übereinstimmen. AnmerkungNur die ausgewählten Quellen werden für den Zeitspannenfilter berücksichtigt. |
Klassifizierung | Objekte, die den folgenden Klassen entsprechen: Personen: Mann, Frau, Kind Zweiräder: Fahrrad, Motorrad Andere Verkehrsmittel:Auto,Pickup,Van,LKW,Bus,Zug,Flugzeug, Boot Beleuchtungsänderungen: Lichter An, Lichter Aus (siehe auch Beleuchtungsänderungen) Tiere Hinweis:
|
Personenattribute | Objekte mit den folgenden Eigenschaften: Oberbekleidung: Langarm, Kurzarm, Farben* Bekleidung Unterkörper: Lang, Kurz, Farben* Hut: Kein Hut, Hut – Hauben werden als Hüte betrachtet. Gesichtsmaske: Keine Maske, Maske – Die Gesichtsmaskenerkennung funktioniert nur bei Gesichtern, die eine Qualität von 1 Stern oder höher aufweisen (Objekte, die angezeigt werden, wenn Sie im Gesichtserkennungsfilter auf dieOption Gesichter anzeigen klicken). Tasche: Keine Tasche, Rucksack, Hand Held – Hand Held¼kann auch jeden Gegenstand in der Hand einer Person, wie Laptops und Handys, aufbringen. Sie können die Toleranz der Attribute verfeinern, indem Sie das Feld Toleranz verwenden. Siehe auch Anpassung der Filtertoleranz. Sie können die Farben der Unter- und Oberbekleidung verfeinern, indem Sie die Felder Schatten und Abdeckung verwenden. Siehe auch Farbtoleranz in Farbtoleranz. * Beachten Sie, dass:
|
Fahrzeugmarke und -modell | Fahrzeuge, die zu einer bestimmten Marke und einem bestimmten Modell passen. Siehe auch Erkennung von Fahrzeugmarken und -modellen. |
Farbe | Objekte, die zu einer beliebigen Kombination aus Braun, Rot, Orange, Gelb, Grün, Limette, Cyan, Lila, Rosa, Weiß, Grau und Schwarz passen. Bei der Suche nach Personen mithilfe von Farben, um die bestmöglichen Ergebnisse zu erzielen, wird empfohlen, die oberen und unteren Farben in Personenattributen anstelle des Farbfilters zu verwenden, da die Farben der Personenattribute für Personen optimiert sind. Siehe auch Farbtoleranz in Farbtoleranz. |
Größe | Objekte basierend auf ihrer tatsächlichen (realen) Größe. Sie können eine Größe zwischen 0-20 Metern (0-65 Fuß) wählen. |
Geschwindigkeit | Objekte basierend auf ihrer tatsächlichen Geschwindigkeit. Sie können eine Geschwindigkeit zwischen 0-250 km/h (0-155 mi/hr) wählen. |
Verweilzeit | Objekte, die über einen benutzerdefinierten Zeitraum oder länger in einer Szene verweilen. |
Richtung | Objekte, die sich in eine bestimmte Richtung bewegt haben. |
Annäherung | Objekte, die unter oder über einem bestimmten Abstand erscheinen. Siehe auch Annäherung. |
Ähnlichkeit des Aussehens | Objekte mit ähnlichen Eigenschaften, entweder Personen (Ähnlichkeit von Personen) oder Fahrzeuge (Ähnlichkeit von Fahrzeugen). Siehe auch Ähnlichkeit des Aussehens. |
Gesichtserkennung | Objekte, die ein erkanntes Gesicht haben. Siehe auch Gesichtserkennung. |
Nummernschilderkennung | Objekte, die ein ermitteltes Nummernschild haben. Siehe auch Nummernschilderkennung. |
BriefCams Klassifizierungsmethode
BriefCamVerwendet einen zweistufigen Klassifizierungsansatz. Zunächst klassifizieren BriefCamdie Klassenkategorie (z.B. Fahrzeug). Für diese oberste Ebene hat BriefCameine Genauigkeit von 96% oder mehr. Für Unterklassen ist die Filterung detaillierter und die Genauigkeit möglicherweise nicht mit der der obersten Klassen (z. B. bestimmter Fahrzeugtyp) vergleichbar.
In einigen Fällen wird keine Klassifizierung der Unterklassen vorgenommen. Wenn Sie beispielsweise ein Objekt mit einer sehr niedrigen Auflösung haben, dann kann möglicherweise erkannt werden, dass es sich um ein Zweirad handelt, die Auflösung ist jedoch nicht hoch genug, um festzustellen, ob es sich um ein Fahrrad oder ein Motorrad handelt.