Требования, ограничения и рекомендации для модуля Поиск объектов🔗

Функциональные ограничения🔗

Предупреждение

После обновления Macroscop с версии 3.3 и ниже до версии 3.4 и выше модуль Поиск объектов не сможет искать объекты за период, предшествовавший обновлению. Это связано с изменением базы данных в версии 3.4.

Аппаратное и программное обеспечение🔗

Предупреждение

Перед использованием нейросетевых возможностей модуля необходимо установить нейросетевой пакет.

Для использования данного нейросетевого модуля требуются:

  • Процессор с поддержкой инструкций AVX;

  • Видеокарта (GPU) NVIDIA с индексом вычислительной мощности не ниже 6.5 и объёмом памяти не ниже 4GB; при этом характеристики и производительность видеокарты должны быть не ниже, чем у модели NVIDIA GTX 1650 Super;

  • Версия драйвера видеокарты не ниже 460;

  • Файл подкачки (swap) размером не менее половины от общего объёма оперативной памяти.

Если планируется использование модуля на виртуальной машине, может дополнительно потребоваться:

  • Включить поддержку AVX инструкций в настройках гостевой машины;

  • Использовать драйвера GRID для виртуализации GPU.

Предупреждение

Стабильная работа модуля обеспечивается только на следующих операционных системах:

  • Windows 10

  • Windows Server 2016

  • Ubuntu 20.04

Работа модуля на других операционных системах (Windows 8, Windows Server 2012, Debian 10 и 11, 12, Astra Linux Common Edition 2.12 и Special Edition 1.7) возможна, но при этом могут возникнуть затруднения с запуском модуля на графическом процессоре NVIDIA. Для Windows 8 это связано с прекращением поддержки этих операционных систем со стороны NVIDIA. На Debian и Astra Linux проблема заключается в высокой сложности установки правильных версий драйверов для GPU.

Предупреждение

Macroscop должен использовать выбранные для работы нейросетей видеокарты в монопольном режиме. Не допускается использование такой карты для других приложений или задач, потребляющих ресурсы GPU, в том числе для отображения видео. Одновременное использование видеокарты для нескольких задач может привести к некорректной работе системы: от снижения производительности аналитики до нестабильной работы сервера.

Предупреждение

При обновлении Macroscop до другой версии необходимо также обновить до соответствующей версии пакет установить пакет Macroscop Нейросети.

Использование модуля на сервере видеоаналитики🔗

Указанные в этой статье требования и ограничения распространяются на любой сервер, на котором будет использован данный модуль: как на обычный сервер видеонаблюдения, так и на сервер видеоаналитики.

В то же время, при использоваии модуля на сервере видеоаналитики требуется установить нейросети как на сервер видеонаблюдения, так и на сервер видеонаблюдения, которрый принимает видео с камеры и хранит видеоархив. Это обусловлено использованием на обоих серверах базы данных, которая устанавливается при установки нейросетей.

Видеопоток🔗

  • Частота кадров не менее 10 кадров в секунду;

  • Оптимальное разрешение: HD (1280x720) или FullHD (1920x1080).

Для поиска объектов различных категорий и определения типов и различных характеристик объектов:

  • Разрешение изображения не должно быть меньше, чем HD (1280x720).

Изображение🔗

  • Освещение в кадре должно быть равномерным и постоянным.

  • Если камера установлена напротив яркого источника света (солнце за дверью входа и т.п.), то необходимо настроить экспозицию (или яркость) таким образом, чтобы объекты в кадре имели естественный цвет (не были пересвечены или затемнены). При этом допустимо чтобы фон был пересвечен.

  • Изображение должно быть цветным.

  • Не должно быть существенных артефактов сжатия.

  • Качество сжатия должно быть не ниже среднего.

Для поиска людей:

  • Не допускается сильный боковой источник света (солнечный свет из окна), из-за которого одна половина человека оказывается пересвеченной, а другая — затемнённой.

Для поиска объектов различных категорий и определения типов и различных характеристик объектов:

  • Объект должен быть виден с подходящего ракурса, при котором он будет хорошо отличим от фона и отчётливо виден при наблюдении человеческим глазом.

Сцена и расположение камеры🔗

  • В кадре не должно быть зеркальных поверхностей, дающих отражения: стёкол, зеркал и т.п.

  • Допускается размещать камеру вверху. Угол наклона камеры не должен превышать 45° от горизонтальной линии.

Для поиска людей:

  • Люди должны быть видны в полный рост.

Для поиска транспортных средств:

  • Установка камеры под углом к оси движения транспортных средств обеспечивает наиболее выгодный ракурс.

Размеры объекта🔗

Для успешного обнаружения объектов в кадре их размер должен соответствовать следующим размерам относительно параметров кадра:

  • Люди должны занимать не менее 2% ширины и 8% высоты.

  • Сумки (включая рюкзаки и чемоданы) – не менее 4% ширины и 9% высоты.

  • Легковые автомобили – не менее 4% ширины и 4% высоты.

  • Грузовые автомобили – не менее 7% ширины и 9% высоты.

  • Автобусы – не менее 5% ширины и 7% высоты кадра.

  • Двухколёсный транспорт (велосипеды, мотоциклы) – не менее 3% ширины и 7% высоты.

  • Животные – не менее 4% ширины и 6% высоты.

  • Оружие – не менее 12% ширины и 12% высоты.

Качество работы модуля, дополнительные требования и примеры изображений🔗

Минимальные требования, обеспечивающие поиск транспортных средств по цвету:

  • Транспортное средство должно быть окрашено в единый цвет, без пёстрых наклеек или разноцветного окраса.

  • Транспортное средство должно быть зафиксировано в светлое время суток в хорошую погоду.

  • Экспозиция и контраст на камере должны быть настроены таким образом, чтобы можно было однозначно определить человеческим глазом цвет объекта.

  • Корпус транспортного средства не должен быть засвечен светом фар или другими отблесками света, в том числе — солнечного.

  • Ракурс, в котором было зафиксировано транспортное средство, должен позволять корректно определить преобладающий цвет объекта (например, если автомобиль виден сзади, бампер окрашен в тёмный цвет и затонировано заднее стекло, то цвет автомобиля может быть определён как чёрный).

Ниже представлены примеры хороших и плохих ракурсов для определения типа транспортного средства. Чем лучше ракурс, тем выше будет точность определения типа проезжающего транспортного средства. В среднем, при хороших условиях, точность определения типа транспортного средства составляет около 80%.

Хороший ракурс

Плохой ракурс

/analytics/search/img/example-vehicle-ok-1.png

/analytics/search/img/example-vehicle-failure-1.png

/analytics/search/img/example-vehicle-ok-2.png

/analytics/search/img/example-vehicle-failure-2.png

/analytics/search/img/example-vehicle-ok-3.png

/analytics/search/img/example-vehicle-failure-3.png

Предупреждение

При использовании расширенного поиска по категории Транспорт к объектам типа Двухколёсный транспорт могут быть ошибочно отнесены следующие объекты:

  • Люди, снятые в плохом качестве, которые по различным причинам могут быть восприняты сидящими на двухколёсном транспортном средстве. Например, люди на заднем плане, сидящие в кресле с загнутыми ручками или держащиеся за поручни.

    Примеры:

    ../../_images/fake-bike-1.png ../../_images/fake-bike-2.png ../../_images/fake-bike-3.png
  • Коляски с детьми, люди в инвалидных колясках и другие похожие комбинации (человек + колесо)

    Пример:

    ../../_images/fake-bike-4.png

Точность поиска других объектов существенно зависит от качества изображения, размера объекта в кадре, а также от ракурса, под которым этот объект виден. В подходящих условиях точность поиска других объектов может достигать от 40% до 60%, в зависимости от степени видимости объекта в кадре и его размеров (например, частично скрытое оружие или спрятанный за угол чемодан будут обнаруживаться с гораздо меньшей вероятностью, чем хорошо различимые предметы того же типа). При этом для данной категории объектов свойственно большее число ложных срабатываний, чем для других.

Ниже представлены примеры хороших и плохих ракурсов для поиска других объектов.

Хороший ракурс

Плохой ракурс

/analytics/search/img/example-dangerous-ok-1.jpg

/analytics/search/img/example-dangerous-failure-1.png

/analytics/search/img/example-dangerous-ok-2.png

/analytics/search/img/example-dangerous-failure-2.png

/analytics/search/img/example-dangerous-ok-3.png

/analytics/search/img/example-dangerous-failure-3.png