Go to documentation repository
Documentation for Axxon One 1.0.
Aby skonfigurować detektor ognia lub detektor dymu, wykonaj następujące kroki:
- Aby zapisywać wartości skali czułości narzędzia detekcji archiwum (zobacz: Dodatkowa nakładka informacji (Maski)), zaznacz Tak dla parametru Zapisz maskę w archiwum (1).
- Jeśli kamera obsługuje multistreaming, wybierz strumień wideo, na którym ma zachodzić detekcja (2). Wybór strumienia o niższej jakości obniży obciążenie Serwera.
- Wybierz procesor do dekodowania strumienia wideo przy parametrze Tryb dekodera (3). 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.
Wyznacz ilość klatek analizowanych na sekundę (4). Wartość ta powinna znajdować się zasięgu [0.016; 100].
Informacja
Domyślne wartości (0.1 klatek na sekundę, 5 pomiarów z rzędu przed wyzwoleniem) oznaczają, że narzędzie będzie analizować jedną klatkę co 10 sekund. Jeśli dym/ogień zostanie wykryty przez 5 przeanalizowanych klatek, narzędzie detekcji zostanie wyzwolone.
Wyznacz procesor dla sieci neuronowej - CPU, jeden z GPU lub IntelNCS (5) 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.
Wyznacz plik sieci neuronowej (6). 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/Axxon One/ directory.
- Wyznacz minimalną ilość klatek zawierających ogień/dym, które mają wyzwolić narzędzie detekcji (7). Wartość ta powinna znajdować się w zasięgu [5;20].
- Aby wykrywać obiekty bez przeskalowywania klatki, zaznacz Tak w polu Tryb skanowania (8).
- Zalecane jest przetestowanie czułości narzędzia detekcji (9). Wartość musi znajdować się w zasięgu [1; 99]. Okno podglądu wyświetla skalę czułości narzędzia detekcji. Skala jest określona następująco:
Zielony - ogień / dym nie został wykryty.
Żółty - ogień / dym wykryty, lecz narzędzie nie zostało wyzwolone.
Czerwony - ogień / dym wykryty.
Jeśli zostanie zwiększona wartość czułości, będzie wyświetlane więcej alarmów (czerwona skala).
- Wyznacz Tak przy parametrze Ignoruj czarno-biały obraz (10) jeśli narzędzie detekcji ma nie być wyzwalane, gdy obraz jest czarno-biały.
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:
- Naciśnij prawym przyciskiem myszy gdziekolwiek w oknie podglądu kamery.
Zaznacz Strefa detekcji w celu wyznaczenia prostokątnej strefy. Narzędzie detekcji będzie działać wyłącznie w tej strefie - reszta pola widzenia kamery będzie ignorowana.
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.