Guide du détecteur de personne/véhicule

Le modèle Détecteur de personne/véhicule vous permet de détecter et de compter des personnes ou des véhicules^* dans les images vidéo. Le modèle accepte un flux vidéo en entrée et produit un tampon de protocole avec le nombre de personnes et de véhicules détectés dans chaque frame. Le modèle s'exécute à six FPS.

^{* Voitures, bus, camions, vélos, motos et ambulances}

Sortie du modèle

Le modèle de détection de personne/véhicule indique le nombre de personnes et de véhicules détectés dans le frame traité actuel. Vous trouverez ci-dessous la définition du tampon de protocole de la sortie du modèle. La fréquence du flux de sortie est constante: une image par seconde.

// 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;
}

Bonnes pratiques et limites

• Évitez les points de vue inhabituels (par exemple, une vue du dessus) où les personnes et les véhicules apparaissent différemment de la vue standard ou courante. La qualité de détection peut être fortement affectée par des vues inhabituelles.
• Assurez-vous que les personnes et les véhicules sont entièrement ou presque entièrement visibles. La qualité de la détection peut être affectée par une occlusion partielle par d'autres objets.
• Le détecteur de personne/véhicule a une taille d'objet minimale détectable. Cette taille correspond à environ 2% de la taille de la vue de la caméra. Assurez-vous que les personnes et les véhicules cibles ne sont pas trop éloignés de la caméra. Les tailles visibles de ces objets clés doivent être suffisamment grandes.
• Les zones d'intérêt doivent être suffisamment éclairées.
• Assurez-vous que l'objectif de la caméra de la source vidéo est propre.
• Assurez-vous que les entités (autres que les personnes ou les voitures) n'obstruent aucune partie du champ de vision de la caméra.
• Les facteurs suivants peuvent dégrader les performances du modèle. Tenez compte des facteurs suivants lorsque vous recherchez des données :
  • Mauvaises conditions d'éclairage
  • Encombrement et occlusions d'objets
  • Points de vue inhabituels
  • Petites tailles d'objets.