Skip to main content

BriefCam användarhandbok

Globala filter
Last Updated: 3 minute read
Version2025r1
SpråkSvenska

Ett stort urval av granulära filter kan användas för att inkludera och endast visa objekt som matchar en rad karaktäristika på fliken VISNINGSPROGRAM.

Se följande tabell för alla tillgängliga filtreringsalternativ.

Filter använt

Skiftlägesobjekt inkluderade

Källa

Objekt som kommer från specifika videosynopser (om inga källor är valda, visas objekt från alla källor).

Som standard markeras alla källor.

Filer som laddats upp kommer att visas i en katalog med namnet FILES.

Tidsintervall

Objekt som matchar specifika tidsintervall.

Notera

Endast de valda källorna beaktas för filtret Tidsintervall.

Klass

Objekt som matchar följande klasser:

Människor: Man, Kvinna, Barn

Tvåhjuliga fordon: cykel, motorcykel

Andra fordon:bil,pickup,skåpbil,lastbil,buss,tåg,flygplan, båt

Belysningsändringar: Tända Ljus, Tända Ljus (se även Belysningsändringar)

Djur

Observera att:

  • Om din organisation har skapat sina egna anpassade klasser visas de i klassfiltret.

  • Klassen Bil omfattar minibussar, stadsjeepar, skåpbilar, lastbilar, etc.

  • Fordon detekteras inte på kameror inställda på Overhead eller Counting.

Personattribut

Objekt med följande attribut:

Övre slitage: Långa ärmar, Korta ärmar, Färger*

Lägre slitage: Långt, Kort, Färger*

Hatt: Ingen hatt, Hatt – Hoods räknas som hattar.

Ansiktsmask: Ingen mask, Mask – Ansiktsmask detektorn fungerar bara på ansikten som har 1-stjärnig kvalitet eller högre (objekt som visas när du klickar på alternativet Visa ansikten i ansiktsigenkänningsfiltret).

Väska: Ingen väska, Ryggsäck, Handhållen – Handhållen kan också ta upp föremål som hålls i en persons hand, såsom bärbara datorer och mobiltelefoner.

Du kan finjustera attributens tolerans genom att använda fältet Tolerans. Se även Justering av filtertolerans.

Du kan finjustera färgerna på det nedre och övre slitaget genom att använda fälten Skugga och Täckning. Se även Färgtolerans i Färgtolerans.

*Observera att:

  • När du söker efter människor med färger för att få bästa möjliga resultat, rekommenderas att använda den övre och nedre färgen i personattribut istället för färgfiltret eftersom personattributfärger är optimerade för människor.

  • Filtrering på färger för nedre och övre slitage fungerar bara för personer som står och inte fungerar på 360 kameror.

Bilmärke och modell

Fordon som matchar ett specifikt märke och modell. Se även Bilmärke och Modelligenkänning.

Färg

Objekt som matchar en kombination av brunt, rött, orange, gult, grönt, lime, cyan, lila, rosa, vitt, grått och svart.

När du söker efter människor med hjälp av färger för att få bästa möjliga resultat, rekommenderas att använda den övre och nedre färgen i personattribut istället för färgfiltret, eftersom personattributfärger är optimerade för människor.

Se även Färgtolerans i Färgtolerans.

Storlek

Objekt baserat på deras faktiska (verkliga) storlek.

Du kan välja en storlek mellan 0-65 fot (0-20 meter).

Hastighet

Objekt baserat på deras faktiska hastighet.

Du kan välja en hastighet mellan 0-155 mi/h (0-250 km/h).

Bo kvar

Objekt som har vistats under en användardefinierad period eller längre i en scen.

Riktning

Föremål som har färdats i en angiven riktning.

Närhet

Objekt som visas under eller över ett angivet avstånd. Se även Närhet.

Liknande utseende

Objekt med liknande attribut, antingen människor (personlikhet) eller fordon (fordonslikhet). Se även Liknande utseende.

Ansiktsigenkänning

Objekt som har ett identifierat ansikte. Se även Ansiktsigenkänning.

Registreringsskyltsidentifiering (LPR)

Objekt som har ett identifierat registreringsnummer. Se även Registreringsskyltsidentifiering (LPR).

BriefCam klassificeringsmetod

BriefCamanvänder en tvåstegsklassificering. Först klassificeras BriefCamklassens kategori (t.ex. fordon). För denna toppnivå, BriefCamhar en 96% noggrannhet eller högre. För underklasser är filtreringen mer detaljerad, och noggrannheten kanske inte är densamma som för toppklasserna (t.ex. specifik fordonstyp).

I vissa fall görs inga försök att klassificera underklasser med finkorniga kärnor. Till exempel, om du har ett föremål med mycket låg upplösning så kan det vara möjligt att upptäcka att det är ett 2-hjuligt fordon, men upplösningen är inte tillräckligt hög för att avgöra om det är en cykel eller en motorcykel.