Filtri globali
È possibile utilizzare una ricca selezione di filtri granulari per includere e visualizzare solo gli oggetti che corrispondono a un intervallo di caratteristiche nella scheda VISUALIZZATORE.
Fare riferimento alla tabella seguente per tutte le opzioni di filtraggio disponibili.
Filtro applicato | Oggetti del caso inclusi |
Sorgente | Oggetti provenienti da sinossi video specifiche (se non viene selezionata alcuna fonte, verranno visualizzati oggetti provenienti da tutte le fonti). Per impostazione predefinita, vengono selezionate tutte le fonti. I file caricati appariranno in una directory denominata FILES. |
Intervallo di tempo | Oggetti corrispondenti a intervalli di tempo specifici. NotaPer il filtro Intervallo di tempo vengono prese in considerazione solo le fonti selezionate. |
Classe | Oggetti corrispondenti alle seguenti classi: Persone: Uomo, Donna, Bambino Veicoli a due ruote: bicicletta, motocicletta Altri veicoli:auto,pick-up,furgone,camion,autobus,treno,aereo, barca Cambiamenti di illuminazione: luci accese, luci spente (vedere anche Cambiamenti di illuminazione) Animali Nota che:
|
Attributi della persona | Oggetti con i seguenti attributi: Abbigliamento parte superiore: maniche lunghe, maniche corte, colori* Abbigliamento inferiore: lungo, corto, colori* Cappello: No Cappello, Cappello – I cappucci sono considerati cappelli. Mascherina: senza mascherina, mascherina – Il rilevatore di mascherina agisce solo sui volti di qualità pari o superiore a 1 stella (oggetti che compaiono quando si fa clic sull'opzione Mostra volti nel filtro di riconoscimento facciale). Borsa: Nessuna borsa, zaino, mano – mano può anche portare qualsiasi oggetto tenuto in mano di una persona, come laptop e telefoni cellulari. È possibile regolare con precisione la tolleranza degli attributi utilizzando il campo Tolleranza. Consultare anche Regolazione della tolleranza del filtro. È possibile perfezionare i colori dell'usura inferiore e superiore utilizzando i campi Ombreggiatura e Copertura. Vedere anche Tolleranza colore in Tolleranza colore. *Notare che:
|
Marca e modello del veicolo | Veicoli corrispondenti a una marca e un modello specifici. Consultare anche Riconoscimento di marca e modello del veicolo. |
Colore | Oggetti corrispondenti a qualsiasi combinazione di marrone, rosso, arancione, giallo, verde, lime, ciano, viola, rosa, bianco, grigio e nero. Quando si cercano persone che utilizzano i colori per ottenere i migliori risultati possibili, si consiglia di utilizzare i colori superiore e inferiore negli attributi della persona invece del filtro Colore perché i colori degli attributi della persona sono ottimizzati per le persone. Vedere anche Tolleranza colore in Tolleranza colore. |
Dimensioni | Oggetti in base alle loro dimensioni effettive (reali). È possibile selezionare una dimensione compresa tra 0-65 piedi (0-20 metri). |
Velocità | Oggetti in base alla loro velocità effettiva. È possibile selezionare una velocità compresa tra 0-155 mi/h (0-250 km/h). |
Permanenza | Oggetti che hanno soggiornato per un periodo specificato dall'utente o più a lungo in una scena. |
Direzione | Oggetti che hanno viaggiato in una direzione specificata. |
Prossimità | Oggetti che compaiono al di sotto o al di sopra di una determinata distanza. Consultare anche Prossimità. |
Somiglianza | Oggetti con attributi simili, persone (somiglianza delle persone) o veicoli (somiglianza dei veicoli). Consultare anche Somiglianza. |
Riconoscimento facciale | Oggetti che hanno un volto rilevato. Consultare anche Riconoscimento facciale. |
Riconoscimento targhe | Oggetti con numero di targa rilevato. Consultare anche Riconoscimento targhe. |
Metodo di classificazione di BriefCam
BriefCamutilizza un approccio di classificazione a due livelli. In primo luogo, BriefCamclassifica la categoria di classe (ad esempio, veicolo). Per questo livello superiore, BriefCamha una precisione del 96% o superiore. Per le sottoclassi il filtraggio è più dettagliato e l'accuratezza potrebbe non essere la stessa delle classi di livello superiore (ad esempio, tipo di veicolo specifico).
In alcuni casi, non viene tentata la classificazione a grana fine delle sottoclassi. Ad esempio, se si dispone di un oggetto con una risoluzione molto bassa , potrebbe essere possibile rilevare che si tratta di un veicolo a 2 ruote, ma la risoluzione non è abbastanza alta per determinare se si tratta di una bicicletta o di una moto.