Documentation for Axxon Next 4.5.0. Documentation for other versions of Axxon Next is available too.

Previous page Wymagania kamery dla Detekcji Ognia i Dymu  Narzędzia detekcji wyposażenia (PPE) Next page

Wymagania kamery dla Detekcji Ognia i Dymu

Aby skonfigurować detektor ognia lub detektor dymu, wykonaj następujące kroki;

  1. Jeśli kamera wspiera multistreaming, wyznacz strumień wideo, z którego ma korzystać narzędzie detekcji (1). Wyznaczenie strumienia wideo o niskiej jakości pozwoli na mniejsze obciążenie Serwera.
  2. Wybierz procesor dla dekodowania strumienia wideo przy parametrze Tryb dekodera (2). Jeśli wybierzesz GPU, dedykowana karta graficzna będzie traktowana priorytetowo (przy dekodowaniu przy użyciu chipów NVidia NVDEC). Jeśli nie ma odpowiedniego GPU, dekodowanie będzie się odbywać za pomocą technologii Intel Quick Sync Video. W innym przypadku, do dekodowania używane będzie CPU.

  3. Wyznacz czas między analizowaniem klatek w sekundach w polu SamplingInterval (3). Wartość ta powinna znajdować się zasięgu [1;30].

    Informacja

    Domyślne wartości (5 klatek, 10 sekund) oznaczają, że narzędzie będzie analizować jedną klatkę co 10 sekund. Jeśli dym/ogień zostanie wykryty przez 5 klatek, narzędzie detekcji zostanie wyzwolone.

  4. Wyznacz procesor dla sieci neuronowej - CPU, jeden z GPU, lub IntelNCS (4), w polu Tryb.

    Uwaga!

    Włączenie algorytmu na NVIDIA GPU może zająć do kilku minut po zastosowaniu ustawień.

    Uwaga!

    Jeśli wyznaczysz inny procesor niż CPU, na tym procesorze będzie przeprowadzana większość operacji, jednakże narzędzie detekcji będzie nadal, w mniejszym stopniu, korzystać z CPU.

  5. Wyznacz plik sieci neuronowej (5). Standardowe sieci neuronowe, dla różnych procesorów, są umieszczone w folderze C:\Program Files\Common Files\AxxonSoft\DetectorPack\NeuroSDK:

    smoke_movidius.ann

    Detektor dymu / IntelNCS

    smoke_openvino.ann

    Detektor dymu / CPU

    smoke_original.ann

    Detektor dymu / GPU

    fire_movidius.ann

    Detektor ognia / IntelNCS

    fire_openvino.ann

    Detektor ognia / CPU

    fire_original.ann

    Detektor ognia / GPU

    Wpisz pełną ścieżkę do pliku sieci neuronowej w tym polu. Jeśli korzystasz ze standardowej sieci neuronowej, zostanie ona wybrana automatycznie, bez potrzeby wpisywania ścieżki.

    Informacja

    Aby sieci neuronowe operowały poprawnie na systemie operacyjnym Linux, umieść plik sieci neuronowych w folderze /opt/AxxonSoft/AxxonNext/ directory. 

  6. Wyznacz minimalną ilość klatek zawierających ogień/dym, które mają wyzwolić narzędzie detekcji (6). Wartość ta powinna znajdować się w zasięgu [5;20].
  7. Zalecane jest przetestowanie czułości narzędzia detekcji (7). Wartość musi znajdować się w zasięgu [1; 99]. Okno podglądu wyświetla skalę czułości narzędzia detekcji. Skala jest określona następująco:

    1. Zielony - ogień / dym nie został wykryty.

    2. Żółty - ogień / dym wykryty, lecz narzędzie nie zostało wyzwolone.

    3. Czerwony - ogień / dym wykryty.

      Jeśli zostanie zwiększona wartość czułości, będzie wyświetlane więcej alarmów (czerwona skala).

  8. Domyślnie, detekcja jest przeprowadzana w całym polu widzenia kamery. Aby ograniczyć pole, w którym ma zachodzić detekcja, możesz wyznaczyć kilka stref detekcji poprzez punkty kotwiczące w następujący sposób:

    1. Naciśnij prawym przyciskiem myszy gdziekolwiek w oknie podglądu kamery.

    2. Zaznacz Strefa detekcji w celu wyznaczenia prostokątnej strefy. Narzędzie detekcji będzie działać wyłącznie w tej strefie - reszta pola widzenia kamery będzie ignorowana.

    3. Zaznacz POI w celu wyznaczenia wielokątnej strefy. Jeśli wyznaczysz więcej niż jedną strefę POI, narzędzie detekcji będzie działać wyłącznie w tych strefach - reszta pola widzenia kamery będzie wyszarzona; w tych rejonach nie będzie działać detekcja.

      Informacja

      Konfiguracja stref detekcji przebiega podobnie do wyznaczania masek prywatności dla narzędzi Analizy Sceny (zobacz: Tworzenie stref dla Analizy Sceny).

Uwaga!

Do wyznaczania najlepszego typu strefy detekcji (prostokątnej bądź wielokątnej) zalecana jest metoda prób i błędów w celu zobrazowania, jaka będzie bardziej efektywna w danym przypadku. Niektóre typy sieci neuronowych oferują lepsze możliwości detekcji przy prostokątnych strefach detekcji, a inne sprawdzają się lepiej przy wielokątnych. 

  • No labels