Skip to main content

BriefCam 사용자 안내서

전역 필터
Last Updated: 3 minute read
버전2024r2
언어한국어

세분화된 필터를 다양하게 선택하여 VIEWER 탭의 특성 범위와 일치하는 개체만 포함하고 표시할 수 있습니다.

사용 가능한 모든 필터링 옵션은 다음 표를 참조하십시오.

필터가 적용되었습니다

케이스 객체가 포함되었습니다

소스

특정 비디오 시놉시스에서 시작되는 객체(선택된 소스가 없는 경우 모든 소스의 객체가 표시됩니다).

기본적으로 모든 소스가 선택됩니다.

업로드된 파일은 FILES라는 디렉토리에 표시됩니다.

시간 범위

특정 시간 범위와 일치하는 개체입니다.

참고

선택한 소스만 시간 범위 필터에 고려됩니다.

클래스

다음 클래스와 일치하는 개체입니다.

사람: 남자, 여자, 어린이

이륜차: 자전거, 오토바이

기타 차량:자동차,픽업,밴,트럭,버스,기차,비행기, 보트

조명 변화: 조명 켜기, 조명 끄기(조명 변화 또한 참조)

동물

다음 사항에 유의하십시오.

  • 카클래스에는 미니밴, SUV, 밴, 카고 밴 등이 포함됩니다.

  • 오버헤드 또는 카운팅으로 설정된 카메라에서 차량이 감지되지 않습니다.

인물 속성

다음 속성을 가진 개체입니다.

상의: 긴 소매, 짧은 소매, 색상*

하의: 긴, 짧은, 색상*

모자: 모자 없음, 모자 - 후드는 모자로 간주됩니다.

마스크: 마스크 없음, 마스크 - 마스크 감지기는 별 1개 이상의 얼굴(얼굴 인식 필터에서 얼굴 표시 옵션을 클릭할 때 나타나는 객체)에서만 작동합니다.

가방: 가방 없음, 백팩, 핸드 헬드 - 핸드 헬드는 노트북, 휴대폰 등 사람의 손에 들고 있는 모든 항목도 가져올 수 있습니다.

허용 오차 필드를 사용하여 속성의 허용 오차를 미세 조정할 수 있습니다. 또한 필터 허용 오차 조정를 참조하십시오.

음영 및 적용 범위 필드를 사용하여 하의 및 상의 색상을 미세하게 조정할 수 있습니다. 의 색상 허용 오차를 색상 허용 오차참조하십시오.

*다음 사항에 유의하십시오.

  • 최상의 결과를 얻기 위해 색상을 사용하는 사람을 검색할 때는 사람 속성 색상이 사람에게 최적화되어 있기 때문에 색상 필터 대신 사람 속성에서 상단 및 하단 색상을 사용하는 것이 좋습니다.

  • 하의, 상의 색상으로 필터링은 서 있는 사람에게만 효과가 있으며 360대의 카메라에서는 작동하지 않습니다.

자동차 제조사 및 모델

특정 제조사 및 모델과 일치하는 차량입니다. 또한 자동차 제조사 및 모델 인식를 참조하십시오.

색

갈색, 빨간색, 주황색, 노란색, 초록색, 라임색, 청록색, 보라색, 분홍색, 흰색, 회색 및 검은색의 조합과 일치하는 개체입니다.

최상의 결과를 얻기 위해 색상을 사용하는 사람을 검색할 때는 인물 속성 색상이 사람에게 최적화되어 있으므로 색상 필터 대신 인물 속성에서 상단과 하단 색상을 사용하는 것이 좋습니다.

의 색상 허용 오차를 색상 허용 오차참조하십시오.

크기

실제(실제) 크기를 기준으로 합니다.

0~65피트(0~20미터) 사이의 크기를 선택할 수 있습니다.

속도

실제 속도를 기준으로 합니다.

0-155 mi/hr(0-250 km/hr) 사이의 속도를 선택할 수 있습니다.

체류

장면에서 사용자가 지정한 기간 이상 동안 거주한 객체입니다.

방향

지정된 방향으로 이동한 객체입니다.

근접성

지정된 거리 아래 또는 위에 표시되는 개체입니다. 또한 근접성를 참조하십시오.

외형 유사성

사람(사람 유사성) 또는 차량(차량 유사성)과 같은 유사한 속성을 가진 개체입니다. 또한 외형 유사성를 참조하십시오.

얼굴 인식

감지된 얼굴이 있는 개체입니다. 또한 얼굴 인식를 참조하십시오.

차량 번호판 인식

감지된 자동차 번호판 번호를 가진 개체입니다. 또한 차량 번호판 인식를 참조하십시오.

BriefCam 분류 방법

BriefCam2단계 분류 방식을 사용합니다. 첫째, BriefCam클래스 카테고리(예: 차량)를 분류합니다. 이 최상위 수준의 경우, BriefCam정확도는 96% 이상입니다. 하위 클래스의 경우 필터링이 더 상세하며 정확도가 최상위 클래스(예: 특정 차량 유형)와 동일하지 않을 수 있습니다.

하위 클래스의 세립 분류를 시도하지 않는 경우도 있습니다. 예를 들어, 매우 낮은 해상도의 물체를 가지고 있는 경우 2륜 차량임을 감지할 수 있지만 해상도가 높지 않아 자전거인지 오토바이인지 결정할 수 없습니다.