Skip to main content

BriefCam Kullanıcı Kılavuzu

Genel Filtreler
Last Updated: 3 minute read
Sürüm2024r2
DilTürkçe

GÖRÜNTÜLEYİCİ sekmesinde yalnızca özellikler aralığıyla eşleşen nesneleri dahil etmek ve görüntülemek için zengin bir granül filtre seçimi kullanılabilir.

Kullanılabilir tüm filtreleme seçenekleri için aşağıdaki tabloya bakın.

Filtre uygulandı

Vaka nesneleri dahil

Kaynak

Belirli video özetlerinden kaynaklanan nesneler (kaynak seçilmezse, tüm kaynaklardan nesneler görüntülenir).

Varsayılan olarak, tüm kaynaklar seçilir.

Karşıya yüklenen dosyalar FILES adında bir dizinde görünecektir.

Zaman Aralığı

Belirli zaman aralıklarıyla eşleşen nesneler.

Not

Zaman Aralığı filtresi için yalnızca seçilen kaynaklar dikkate alınır.

Sınıf

Aşağıdaki sınıflarla eşleşen nesneler:

Kişi: Erkek, Kadın, Çocuk

İki tekerlekli araçlar: bisiklet, motosiklet

Diğer Taşıtlar:Araba,Kamyonet,Minibüs,Kamyon,Otobüs, Tren, UçakTren, Tekne

Aydınlatma değişiklikleri: Işıklar Açık, Işıklar Kapalı (ayrıca bkz. Aydınlatma Değişiklikleri)

Hayvanlar

Şunu dikkate alın:

  • Car sınıfı minivanlar, SUV'lar, kamyonetler, kargo kamyonetleri, vb. içerir.

  • Tepegöz veya Sayım olarak ayarlanmış kameralarda araçlar algılanmadı.

Kişi Nitelikleri

Aşağıdaki niteliklere sahip nesneler:

Üst Giyim: Uzun Kollu, Kısa Kollu, Renkler*

Alt Giyim: Uzun, Kısa, Renkler*

Şapka: Şapka Yok, Şapka - Davlumbazlar şapka olarak kabul edilir.

Yüz Maskesi: Maske Yok, Maske - Yüz maskesi dedektörü yalnızca 1 yıldızlı veya daha yüksek kalitedeki yüzlerde (Yüz Tanıma filtresinde Yüzleri GösterSeçeneğini tıklattığınızda görünen nesneler) çalışır.

Çanta: Çanta Yok, Sırt Çantası, El Çantası - El Çantası - El ÇantasıEl ÇantasıEl ÇantasıEl Çantası, dizüstü bilgisayarlar ve cep telefonları gibi bir kişinin elinde tutulan herhangi bir öğeyi de getirebilir.

Tolerans alanını kullanarak, niteliklerin toleransında hassas ayarlar yapabilirsiniz. Ayrıca, bkz. Filtre Toleransı Ayarı.

Gölge ve Kapsama alanlarını kullanarak alt ve üst giysilerin renklerine ince ayar yapabilirsiniz. Ayrıca bkz. Renk Tolerans'de Renk Toleransı

*Şunu dikkate alın:

  • Mümkün olan en iyi sonuçları elde etmek için renkleri kullanan insanları ararken, Renk filtresi yerine yüz yüze niteliklerde üst ve alt renkleri kullanmanız önerilir, çünkü kişi nitelikli renkler insanlar için optimize edilmiştir.

  • Alt ve üst giysiler için renklere göre filtreleme, yalnızca ayakta duran ve 360 kamerada çalışmayan insanlar için çalışır.

Araç Markası ve Modeli

Belirli bir marka ve modelle eşleşen araçlar. Ayrıca, bkz. Araç Markası ve Model Tanıma.

Renk

Kahverengi, kırmızı, turuncu, sarı, yeşil, kireç, camgöbeği, mor, pembe, beyaz, gri ve siyahın herhangi bir kombinasyonuna uyan nesneler.

Mümkün olan en iyi sonuçları elde etmek için renkleri kullanan kişileri ararken, Renk filtresi yerine kişisel niteliklerde üst ve alt renkleri kullanmanız önerilir, çünkü kişi nitelikli renkler insanlar için optimize edilmiştir.

Ayrıca bkz. Renk ToleransıRenk Tolerans.

Boyut

Nesneler, gerçek (gerçek hayat) boyutlarına göre.

0-65 fit (0-20 metre) arasında bir boyut seçebilirsiniz.

Hız

Nesneler, gerçek hızlarına dayanır.

0-155 mi/sa (0-250 km/sa) arasında bir hız seçebilirsiniz.

Beklet

Bir sahnede kullanıcı tarafından belirlenen bir süre veya daha uzun süre duran nesneler.

Direction

Belirli bir yönde hareket eden nesneler.

Yakınlık

Belirli bir mesafenin altında veya üstünde görünen nesneler. Ayrıca, bkz. Yakınlık.

Görünüm Benzerliği

Benzer özelliklere sahip nesneler, insanlar (İnsanlar Benzerliği) veya araçlar (Araç Benzerliği). Ayrıca, bkz. Görünüm Benzerliği.

Yüz Tanıma

Algılanan bir yüze sahip nesneler. Ayrıca, bkz. Yüz Tanıma.

Plaka Tanıma

Algılanan bir plaka numarasına sahip nesneler. Ayrıca, bkz. Plaka Tanıma.

BriefCam sınıflandırma yöntemi

BriefCamiki katmanlı bir sınıflandırma yaklaşımı kullanır. İlk olarak, sınıf kategorisini BriefCamsınıflandırır (örneğin, araç). Bu üst seviye için,BriefCam% 96 veya daha yüksek bir doğruluğa sahiptir. Alt sınıflar için filtreleme daha ayrıntılıdır ve doğruluk, üst düzey sınıflarla (örneğin, belirli araç türü) aynı olmayabilir.

Bazı durumlarda, alt sınıfların ince taneli sınıflandırması denenmez. Örneğin, çok düşük çözünürlüklü bir nesneniz varsa 2 tekerlekli bir araç olduğunu tespit etmek mümkün olabilir, ancak çözünürlük bisiklet mi yoksa motosiklet mi olduğunu belirlemek için yeterince yüksek değildir.