Guía del detector de personas o vehículos

El modelo Detector de personas o vehículos te permite detectar y contar personas o vehículos^* en fotogramas de video. El modelo acepta una transmisión de video como entrada y genera un búfer de protocolo con el recuento de personas y vehículos detectados en cada fotograma. El modelo se ejecuta a seis FPS.

^{* Automóviles, autobuses, camiones, bicicletas, motocicletas y ambulancias.}

Salida del modelo

El modelo del detector de personas o vehículos muestra la cantidad de personas y vehículos detectados en el fotograma procesado actual. A continuación, se muestra la definición del búfer de protocolo del resultado del modelo. La frecuencia de la transmisión de salida es constante: un fotograma por segundo.

// The prediction result proto for Person/Vehicle Detection.
message OccupancyCountingPredictionResult {

 // Current timestamp.
 google.protobuf.Timestamp current_time = 1;

 // The entity info for annotations from the model.
 message Entity {
   // Label id.
   int64 label_id = 1;
   // Human readable string of the label.
   string label_string = 2;
 }

 // Identified box contains location and the entity of the object.
 message IdentifiedBox {
   // An unique id for this box.
   int64 box_id = 1;
   // Bounding Box in the normalized coordinates.
   message NormalizedBoundingBox {
     // Min in x coordinate.
     float xmin = 1;
     // Min in y coordinate.
     float ymin = 2;
     // Width of the bounding box.
     float width = 3;
     // Height of the bounding box.
     float height = 4;
   }
   // Bounding Box in the normalized coordinates.
   NormalizedBoundingBox normalized_bounding_box = 2;
   // Confidence score associated with this box.
   float score = 3;
   // Entity of this box.
   Entity entity = 4;
 }

 // A list of identified boxes.
 repeated IdentifiedBox identified_boxes = 2;

 // The statistics info for annotations from the model.
 message Stats {
   // The object info and count for annotations from the model.
   message ObjectCount {
     // Entity of this object.
     Entity entity = 1;
     // Count of the object.
     int32 count = 2;
   }
   // Counts of the full frame.
   repeated ObjectCount full_frame_count = 1;
 }

 // Detection statistics.
 Stats stats = 3;
}

Prácticas recomendadas y limitaciones

• Evita los puntos de vista inusuales de la cámara (por ejemplo, una vista desde arriba) en los que las personas y los vehículos aparezcan de forma diferente a una vista estándar o común. La calidad de la detección puede verse afectada en gran medida por vistas inusuales.
• Asegúrate de que las personas y los vehículos sean visibles por completo o en su mayoría. La calidad de la detección puede verse afectada por la oclusión parcial de otros objetos.
• El detector de personas o vehículos tiene un tamaño mínimo de objeto detectable. Este tamaño es de aproximadamente el 2% en relación con el tamaño de la vista de la cámara. Asegúrate de que las personas y los vehículos objetivo no estén demasiado lejos de la cámara. Los tamaños visibles de estos objetos clave deben ser lo suficientemente grandes.
• Las áreas de interés deben tener una iluminación adecuada.
• Asegúrate de que el lente de la cámara de la fuente de video esté limpio.
• Asegúrate de que las entidades (que no sean personas o vehículos) no obstruyan ninguna parte del campo visual de la cámara.
• Los siguientes factores pueden degradar el rendimiento del modelo. Ten en cuenta estos factores cuando obtengas datos:
  • Condiciones de iluminación deficientes
  • Congestiones y oclusiones de objetos
  • Puntos de vista poco comunes.
  • Tamaños de objetos pequeños.