Genel Filtreler
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. NotZaman 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:
|
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 ToleransıRenk Tolerans. *Şunu dikkate alın:
|
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 Tolerans'de Renk Toleransı |
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.