人車偵測工具模型可偵測影片影格中的人物或車輛*，並計算其數量。這個模型會接受影片串流做為輸入內容，並輸出通訊協定緩衝區，其中包含每個影格中偵測到的人員和車輛數量。模型的執行速度為 6 FPS。
* 汽車、公車、卡車、自行車、機車和救護車。
模型輸出
人車偵測模型會顯示目前處理影格中偵測到的人物和車輛數量。以下是模型輸出的通訊協定緩衝區定義。輸出串流的頻率固定為每秒一幀。
// 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;
}最佳做法和限制
- 避免使用不尋常的攝影機視角 (例如由上而下的視角)，因為這類視角會讓人和車輛看起來與標準或常見視角不同。不尋常的觀看行為可能會大幅影響偵測品質。
- 確保人物和車輛完全或大部分可見。偵測品質可能會受到其他物體部分遮蔽的影響。
- 人車偵測工具有可偵測的物件大小下限。相對於相機視圖的大小，這個大小約為 2%。確保目標人物和車輛不會離攝影機太遠。這些主要物件的可視大小必須足夠大。
- 感興趣的領域必須有適當的光線。
- 確認影片來源相機鏡頭乾淨清潔。
- 確認實體 (不包括人或車輛) 不會遮住攝影機的任何視野範圍。
- 以下因素可能會降低模型效能。取得資料時，請考量下列因素：
- 光線條件不佳。
- 人群擁擠和物體遮蔽。
- 不常見的觀點。
- 小物件尺寸。