Der Deep-Learning-Objekt-Tracker wurde für die präzise Erkennung und Verfolgung von Personen, Fahrzeugen und wichtigen Objekten in schwierigen Umgebungen entwickelt, in denen bewegungsbasierte Verfolgungsmethoden an ihre Grenzen stoßen würden.
Nachfolgend finden Sie eine Liste der Objekte, die vom Deep-Learning-Objekt-Tracker erkannt werden:
|
Klassenname |
Beschreibung |
|---|---|
|
|
Eine Person oder ein Objekt, das von einer Person bewegt wird (z. B. ein Fahrrad) |
|
|
Ein Motorrad |
|
|
Ein Fahrrad |
|
|
Eine Person auf einem Fahrrad kann als zwei separate Objekte erfasst werden |
|
|
Ein Bus |
|
|
Ein Auto |
|
|
Ein Kleinbus, einschließlich Minivans und Minibusse |
|
|
Ein Lkw, einschließlich Lastkraftwagen und Nutzfahrzeuge, |
|
|
Ein Gabelstapler |
|
|
Ein Rucksack oder eine Reisetasche (Sporttasche) |
Der Deep-Learning-Objekt-Tracker basiert auf einem Klassifizierungs- und Erkennungsmodell und ermittelt die Position eines Objekts im Sichtfeld. Die Hardwareanforderungen für diesen Algorithmus finden Sie unter Deep-Learning-Anforderungen.
Der Deep-Learning-Objekt-Tracker verfügt über folgende Einstellungen:
Filterung stationärer Objekte
Siehe Haltezeit für stationäre Objekte.
Zusätzlich zur „Haltezeit für stationäre Objekte“ steht die Einstellung „Anfängliche Bewegung erforderlich“ zur Verfügung, die verhindert, dass Objekte verfolgt werden, die sich nicht bewegt haben.
Erkennungspunkt der verfolgten Objekte
Siehe Erkennungspunkt der verfolgten Objekten.
Manipulationserkennung (DLOT)
Erfahren Sie mehr über die Manipulationserkennung.
Intervall für die Signalsignalisierung
Siehe „Intervall für die Signalsignalisierung“