Від миті у відео до обличчя в деталях.
Знаходьте обличчя в кропах людей із відео, перевіряйте час і вихідні кадри та за потреби запускайте окремий пошук вибраного обличчя в публічному індексі.
Безкоштовний акаунт · Без платіжної картки · Завантажені записи, фонова обробка
Від запису — до потрібного кадру.
- 01
Увімкніть аналіз людей
Обличчя визначаються всередині кропів людей.
- 02
Увімкніть визначення облич
Оберіть поріг упевненості та збереження кропів облич.
- 03
Запустіть аналіз
Дочекайтеся спостережень із вибраного фрагмента.
- 04
Перевірте чіткий кроп
Оцініть ракурс, різкість і повний вихідний кадр.
- 05
За потреби перейдіть до пошуку
Натисніть кнопку пошуку біля обличчя, щоб відкрити окремий пошук у публічному індексі.
Спостереження обличчя фіксує конкретну мить.
У деталях демонстраційного інтерв’ю під person-0023 показано кропи облич о 8:08 і 8:10. Значення Face 66% та Face 68% — це впевненість детектора для цих спостережень, а не оцінки схожості між людьми.
Людина може мати багато спостережень і лише кілька придатних кропів обличчя. Профіль, розмиття чи малий розмір заважають визначити обличчя, навіть коли саму людину видно. Проаналізуйте чіткіший фрагмент або частіше відбирайте кадри, щоб отримати більше можливостей.
Кнопка пошуку запускає окреме порівняння.
Оберіть чіткий кроп і натисніть кнопку пошуку обличчя. Робочий простір порівняє його з публічними обличчями в індексі. Демонстраційний знімок зроблено під час виконання пошуку; видимі кандидати не є підтвердженими особами.
Пошук облич використовує векторну схожість і перерахований відсоток схожості. Ці показники відрізняються від упевненості детектора у відеозвіті. Для оцінки результату пошуку потрібно перевірити вихідне зображення й контекст публікації.
Малий кроп або обличчя під кутом можуть бути слабким джерелом для пошуку. Якщо є якісніше окреме фото, скористайтеся ним. Висока впевненість у виявленні людини сама по собі не робить розмитий кроп придатним.
Спостереження у відео не потрапляє до індексу автоматично.
Напис Public index: no у прикладі означає, що спостереження обличчя не додано до публічного індексу. Embedding kept in job позначає векторні дані, збережені в межах завдання. Запуск порівняння й публікація запису в індексі — різні дії.
Розрізняйте сам аналіз, доступ через акаунт і добровільне поширення. Порядок звернень щодо даних завдань або публічних зображень в індексі описано на сторінках конфіденційності й видалення даних.
Запитання про обличчя у відео
Чи встановлює аналіз відео особи всіх людей у кадрі?
Аналіз знаходить видимих людей і, за вибраного режиму, спостереження їхніх облич. Він не встановлює підтверджених осіб. Окремий пошук облич порівнює зображення з поточним публічним індексом.
Чи можна закрити вкладку під час аналізу?
Коли завантаження завершиться й завдання буде надіслано, обробка триватиме у фоні. Поверніться до списку відеозавдань, щоб перевірити стан і доступні результати. Поки файл ще завантажується, залишайте вкладку відкритою.
Які обмеження діють для відео?
Наразі інтерфейс аналізу відео приймає файли розміром до 2 ГіБ і тривалістю до двох годин. Також діють обмеження обробки та зберігання. Щоб підібрати налаштування, спочатку проаналізуйте короткий показовий фрагмент.
Потрібний кадр починається з чіткого завдання.
Аналіз відео
Аналізуйте завантажене відео без програмування. Переглядайте треки авто й людей, прочитані номери, портрети облич і час кожного спостереження.
Відстеження об’єктів
Відстежуйте людей і підтримувані типи транспорту в надісланому відео. Порівнюйте згруповані спостереження, фрагменти кадрів і часові позначки без програмування.
Відстеження авто
Знаходьте появи авто у відео, відбирайте підтримувані типи й кольори та переглядайте згруповані фрагменти й час потрібного проїзду.
Відстеження людей
Знаходьте людей у завантаженому відео. Переглядайте треки, кольори одягу, вихідні кадри й, за потреби, знайдені обличчя в одному звіті.
Читання номерних знаків
Зчитуйте видимі номери з відеокадрів. Перш ніж покладатися на результат, порівняйте текст OCR, оцінки виявлення, фрагменти з авто та часові позначки.
Завантаження відео з YouTube
Підготуйте доступне публічне відео з YouTube, оберіть одну із запропонованих роздільностей і завантажте файл або передайте його на аналіз. Доступність залежить від обмежень джерела.
Дослідіть запис. Розберіться у звіті.
Як обрати ділянку аналізу відео
Аналізуйте весь кадр, прямокутник або полігон. Дізнайтеся, як фіксовані межі впливають на рухомі об’єкти й рух камери.
Як обрати інтервал аналізу кадрів
Знайдіть баланс між охопленням і часом обробки. Дізнайтеся, коли корисний адаптивний аналіз і чому короткі події потребують частіших кадрів.
Треки й спостереження: як читати відеозвіт
Розрізняйте треки, окремі виявлення, прочитані номери й обличчя. Кількість треків не дорівнює кількості унікальних людей або авто.
Часові позначки й номери кадрів у відеозвіті
Читайте час у вихідному записі, індекси кадрів і діапазони треків. Дізнайтеся, як обрізання, відбір кадрів і змінна частота кадрів впливають на часові позначки звіту.
Формати відео й вимоги до завантаження
Перевірте розмір, тривалість, контейнер, кодеки та перегляд у браузері перед запуском аналізу. Готуючи сумісну копію, збережіть оригінал.
Проблеми аналізу відео: завантаження, порожні результати й треки
Послідовно перевірте помилки джерела, порожні звіти, пропущені номери, розділені треки й затримки обробки, перш ніж запускати аналіз повторно.
Виявлення та відстеження об’єктів у відео: у чому різниця
Розрізняйте знаходження об’єкта в одному кадрі та пов’язування спостережень між кадрами. Практичні приклади зі звіту аналізу відео.
Як працює розпізнавання номерів: від відео до тексту
Розберіть повний процес ALPR: відбір відеокадрів, виявлення й геометрію номера, OCR, правила формату, повторні прочитання та перевірку результату. Окремо — як це реалізовано в CS Match.
Чому номери з камер спостереження складно прочитати
З’ясуйте, як впливають розмір номера в пікселях, витримка, відбір кадрів, ракурс, фокус, нічне освітлення, WDR і стиснення. Приклади та послідовна перевірка записів CCTV.
Чому американські номери складні для ALPR
Розгляньте дизайн номерів США, індивідуальні комбінації, символи один над одним, визначення штату й відмінності реальних записів CCTV від навчальних даних. Документовані приклади та практична оцінка якості.
Спеціальні номери США: графіка, вертикальні символи й кілька рядків
Навчіться відрізняти реєстраційні символи від гасел, малюнків і підписів, визначати порядок символів у складному компонуванні та перевіряти OCR з урахуванням макета. Приклади зі США й схеми з поясненнями.
Виявлення номера й виправлення перспективи
Порівняйте звичайні та повернуті прямокутники з геометрією за чотирма кутами. Гомографія, перевірка кутів, зміна сітки пікселів, перерахунок координат і оцінка вирівнювання на записах CCTV.
OCR номерів: PaddleOCR, CRNN, LPRNet і трансформери
Розберіться в OCR-бібліотеках, сегментації символів, CRNN і декодуванні CTC, LPRNet та трансформерних моделях. Приклад із повторюваними символами й поради щодо оцінки читання номерів із CCTV.
Перевірка формату номера: корисні правила без вигаданих символів
Розрізняйте нормалізацію, перевірку формату й виправлення OCR. Регіональні правила, неоднозначні символи, схожі знаки Unicode, невідомі макети та відхилення з простежуваною причиною на прикладі CS Match.
Як поєднувати прочитання номера з кількох відеокадрів
Розгляньте вибір найкращого кадру, трекінг, звичайне й зважене голосування, вирівнювання за відстанню редагування, узгодження символів і поєднання зображень. Приклади та чинний механізм повторних спроб CS Match.
Номери вночі: інфрачервоне світло, відблиски й експозиція
Перевіряйте причини нічних помилок CCTV: вихідні пікселі, експозицію, інфрачервоне підсвічування, засвічення, фокус і роботу затвора. Відокремлюйте налаштування камери від обробки вже записаного відео.
Впевненість ALPR: виявлення, OCR і точність усього номера
Правильно читайте оцінки детектора й OCR, точність повного рядка, охоплення, калібрування та відмову від відповіді. На прикладах відрізняйте високу оцінку кандидата від виміряної точності всього процесу.
Навчання й оцінка ALPR для реальних камер спостереження
Побудуйте відтворюваний експеримент: показові записи, надійна розмітка, поділ за групами, цільове донавчання, контрольована аугментація, парні порівняння й перевірка продуктивності всього процесу.
Архітектури ALPR: відкриті моделі, локальні пристрої та хмара
Порівняйте класичні конвеєри, окремі детектори й OCR, інтегровані моделі номерів, периферійні пристрої, власні воркери та керовані сервіси ALPR. Відповідність завданню, збережені докази, швидкодія й супровід без запозичених заяв про точність.
Відкрийте можливості
ваших медіа.
Створити безкоштовний акаунтБез платіжної картки. Почніть з акаунта Free.