Skip to main content

BriefCamユーザーガイド

グローバルフィルター
Last Updated: 6 minute read
バージョン2024r2
言語日本語

細分化された豊富な選択肢を使用して、ビューワータブに特性の範囲に一致するオブジェクトのみを含めて表示できます。

利用可能なすべてのフィルタリングオプションについては、次の表を参照してください。

適用されたフィルター

含まれているケースオブジェクト

ソース

特定のシノプシス映像から発生したオブジェクト(参照元が選択されていない場合、すべての参照元からのオブジェクトが表示されます)。

デフォルトでは、すべてのソースが選択されています。

アップロードされたファイルは、FILESという名前のディレクトリに表示されます。

時間範囲

特定の時間範囲に一致するオブジェクト。

注記

時間範囲フィルターでは、選択された参照元のみが考慮されます。

分類

次の分類に一致するオブジェクト:

人:男性、女性、子供

二輪車:自転車、オートバイ

その他の車両:車、ピックアップ、バン、トラック、バス、列車、飛行機、ボート

照明の変化:点灯、消灯(照明の変化も参照)

動物

注:

  • 車のクラスには、ミニバン、SUV、バン、貨物用バンなどが含まれます。

  • オーバーヘッドまたはカウントに設定されたカメラでは、車両は検出されません。

人の属性

次の属性を持つオブジェクト:

上半身の服:長袖、半袖、色*

下半身の服:ロング、ショート、色の服*

帽子:帽子なし、帽子- フードは帽子とみなされます。

Face Mask: No Mask, Mask – The Face mask detector operates only on faces that are 1-star quality or above (objects that appear when you click the Show Faces option in the Face Recognition filter).

バッグ:バッグなし、リュックサック、手に持てる物 – バッグを手に持つ人は、ノートパソコンや携帯電話など、手に持っている物を何でも持ち上げることができます。

許容値フィールドを使用して、属性の許容値を微調整できます。フィルターの許容範囲調整もご参照ください。

色合いと範囲フィールドを使用して、下半身と上半身の服の色を微調整することができます。の色の許容範囲も参照してくだ色の許容範囲さい。

* 注:

  • 最良の結果を得るために色を使用して人を検索する場合、人の属性の色は人に最適化されているため、色フィルターの代わりに人の属性の上下の色を使用することをお勧めします。

  • 下半身と上半身の服の色によるフィルタリングは、立っている人にのみ機能し、360台のカメラでは機能しません。

車両のメーカー&モデル

特定のメーカーとモデルに一致する車両。車両のメーカーとモデルの認識もご参照ください。

カラー

茶色、赤、オレンジ、黄色、緑、ライム、シアン、紫色、ピンク、白、グレー、黒の任意の組み合わせに一致するオブジェクト。

最良の結果を得るために色を使用して人を検索する場合、人の属性の色は人に最適化されているため、色フィルターの代わりに人の属性の上下の色を使用することをお勧めします。

の色の許容範囲も参照してくだ色の許容範囲さい。

サイズ

実際の(現実の)サイズに基づくオブジェクト。

0~65フィート(0~20メートル)の間でサイズを選択できます。

スピード

実際の速度に基づくオブジェクト。

時速0~155mi/hr(時速0~250km)の間で選択できます。

停留

シーン内でユーザーが指定した時間以上動きのないオブジェクト。

方向

特定の方向に移動したオブジェクト。

近接

指定した距離の下または上に表示されるオブジェクト。近接もご参照ください。

外見の類似性

類似した属性を持つオブジェクト。人(人の類似性)または車両(車両の類似性)。外見の類似性もご参照ください。

顔認識

顔が検出されたオブジェクト。顔認識もご参照ください。

ナンバープレート認識

ナンバープレート番号が検出されたオブジェクト。ナンバープレート認識もご参照ください。

BriefCam分類法

BriefCam2段階の分類アプローチを使用します。まずBriefCam、分類カテゴリー(車両など)を分類します。この最上位レベルでは、BriefCam 96%以上の精度があります。サブ分類の場合、フィルタリングはより詳細になり、精度は最上位の分類と同じでない場合があります(特定の車両タイプなど)。

一部のケースでは、サブ分類の細かい分類は試みられません。例えば、解像度が非常に低いオブジェクトがある場合、二輪車であることを検出することはできますが、解像度が自転車やオートバイかどうかを判断するには不十分な場合があります。