Filtros

Existen varios tipos de filtros de objetos que se pueden utilizar para reducir las tasas de falsos positivos.

Puntuaciones de Objetos

Para los filtros de objetos en su configuración, cualquier detección individual por debajo de min_score será ignorada como falso positivo. threshold se basa en la mediana del historial de puntuaciones (completado a 3 valores) para un objeto rastreado. Considere los siguientes fotogramas cuando min_score está configurado en 0.6 y el umbral está configurado en 0.85:

Fotograma	Puntuación Actual	Historial de Puntuaciones	Puntuación Calculada	Objeto Detectado
1	0.7	0.0, 0, 0.7	0.0	No
2	0.55	0.0, 0.7, 0.0	0.0	No
3	0.85	0.7, 0.0, 0.85	0.7	No
4	0.90	0.7, 0.85, 0.95, 0.90	0.875	Sí
5	0.88	0.7, 0.85, 0.95, 0.90, 0.88	0.88	Sí
6	0.95	0.7, 0.85, 0.95, 0.90, 0.88, 0.95	0.89	Sí

En el fotograma 2, la puntuación está por debajo del valor min_score, por lo que SecureVu lo ignora y se convierte en 0.0. La puntuación calculada es la mediana del historial de puntuaciones (completado a al menos 3 valores), y solo cuando esa puntuación calculada supera el threshold el objeto se marca como verdadero positivo. Eso ocurre en el fotograma 4 del ejemplo.

Puntuación Mínima

Cualquier detección por debajo de min_score será descartada de inmediato y nunca rastreada porque se considera un falso positivo. Si min_score es demasiado bajo, pueden detectarse y rastrearse falsos positivos que confundan al rastreador de objetos y puedan llevar a un desperdicio de recursos. Si min_score es demasiado alto, los verdaderos positivos con puntuaciones más bajas, como objetos más lejanos o parcialmente ocluidos, pueden ser descartados, lo que también puede confundir al rastreador y causar que objetos rastreados válidos se pierdan o se desconecten.

Umbral

threshold se utiliza para determinar que el objeto es un verdadero positivo. Una vez que un objeto es detectado con una puntuación >= threshold, el objeto es considerado un verdadero positivo. Si threshold es demasiado bajo, algunos falsos positivos con puntuaciones más altas pueden crear un objeto rastreado. Si threshold es demasiado alto, los objetos rastreados como verdaderos positivos pueden pasarse por alto debido a que el objeto nunca alcanza una puntuación suficientemente alta.

Forma del Objeto

Los falsos positivos también pueden reducirse filtrando una detección en función de su forma.

Área del Objeto

min_area y max_area filtran según el área del cuadro delimitador de un objeto y pueden utilizarse para reducir falsos positivos que están fuera del rango de tamaños esperados. Por ejemplo, cuando una hoja es detectada como un perro o cuando un árbol grande es detectado como una persona, estos pueden reducirse añadiendo un filtro min_area / max_area. Estos valores pueden expresarse en píxeles o como un porcentaje del fotograma (por ejemplo, 0.12 representa el 12% del fotograma).

Proporciones del Objeto

Los valores min_ratio y max_ratio se comparan con la relación ancho/alto (en píxeles) de un objeto detectado. Si la relación está fuera de este rango, el objeto será ignorado como falso positivo. Esto permite ignorar objetos que son proporcionalmente demasiado cortos y anchos (relación más alta) o demasiado altos y estrechos (relación más pequeña).

info

Conceptualmente, una relación de 1 es un cuadrado, 0.5 es una caja "alta y estrecha", y 2 es una caja "ancha y plana". Si min_ratio es 1.0, cualquier objeto que sea más alto que ancho será ignorado. De manera similar, si max_ratio es 1.0, entonces cualquier objeto que sea más ancho que alto será ignorado.

Otras Herramientas

Zonas

Las zonas requeridas pueden ser una excelente herramienta para reducir falsos positivos que pueden ser detectados en el cielo u otras áreas que no son de interés. Las zonas requeridas solo crearán objetos rastreados para los objetos que entren en la zona.

Máscaras de Objetos

Las Máscaras de Filtro de Objetos son un último recurso, pero pueden ser útiles cuando los falsos positivos están en lugares relativamente similares pero no se pueden filtrar debido a su tamaño o forma.