Guia do detector de pessoas/veículos

O modelo Detector de pessoas/veículos permite detectar e contar pessoas ou veículos^* em frames de vídeo. O modelo aceita um stream de vídeo como entrada e gera um buffer de protocolo com a contagem de pessoas e veículos detectados em cada frame. O modelo é executado a 6 QPS.

^{* Carros, ônibus, caminhões, bicicletas, motocicletas e ambulâncias.}

Saída do modelo

O modelo do detector de pessoas/veículos mostra o número de pessoas e veículos detectados no frame processado atual. Confira abaixo a definição de buffer de protocolo da saída do modelo. A frequência do fluxo de saída é constante: um frame 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;
}

Práticas recomendadas e limitações

• Evite pontos de vista incomuns da câmera (por exemplo, uma vista de cima para baixo), em que pessoas e veículos aparecem de maneira diferente de uma vista padrão ou comum. A qualidade da detecção pode ser afetada em grande parte por visualizações incomuns.
• Confira se as pessoas e os veículos estão totalmente ou quase totalmente visíveis. A qualidade da detecção pode ser afetada pela obstrução parcial de outros objetos.
• O detector de pessoas/veículos tem um tamanho mínimo de objeto detectável. Esse tamanho é de aproximadamente 2% em relação ao tamanho da visualização da câmera. Verifique se as pessoas e os veículos de destino não estão muito longe da câmera. Os tamanhos visíveis desses objetos principais precisam ser suficientemente grandes.
• As áreas de interesse precisam ter iluminação adequada.
• Confira se a lente da câmera da fonte de vídeo está limpa.
• Verifique se as entidades (exceto pessoas ou carros) não obstruem nenhuma parte do campo de visão da câmera.
• Os fatores a seguir podem prejudicar a performance do modelo. Considere estes fatores ao buscar dados:
  • Condições de iluminação ruins.
  • Multidão e obstruções de objetos.
  • Pontos de vista incomuns.
  • Tamanhos de objetos pequenos.