공간 분석 작업
공간 분석을 사용하면 카메라 디바이스의 비디오 스트림을 실시간으로 분석할 수 있습니다. 구성하는 각 카메라 디바이스의 경우 공간 분석 작업에서 Azure IoT Hub 인스턴스로 보내는 JSON 메시지의 출력 스트림을 생성합니다.
공간 분석 컨테이너에서 구현하는 작업은 다음과 같습니다. 컨테이너의 배포 매니페스트에서 이러한 작업을 구성할 수 있습니다.
| 작업 식별자 | 설명 |
|---|---|
cognitiveservices.vision.spatialanalysis-personcount |
카메라 시야의 지정된 영역에 있는 사람을 계산합니다. PersonCount에서 정확한 합계를 기록하려면 단일 카메라에서 영역 전체를 완전히 포함해야 합니다. 초기 personCountEvent 이벤트를 내보낸 다음, 개수가 변경되면 personCountEvent 이벤트를 내보냅니다. |
cognitiveservices.vision.spatialanalysis-personcrossingline |
카메라의 시야에서 사람이 지정된 선을 벗어나는 경우를 추적합니다. 사람이 선을 벗어날 때 personLineEvent 이벤트를 내보내고, 방향 정보를 제공합니다. |
cognitiveservices.vision.spatialanalysis-personcrossingpolygon |
사람이 지정된 영역에 들어오거나 나갈 때 personZoneEnterExitEvent 이벤트를 내보내고, 교차된 영역의 변이 포함된 방향 정보를 제공합니다. 사용자가 영역을 나갈 때 personZoneDwellTimeEvent를 내보내고, 방향 정보와 사람이 영역 내에서 머문 시간(밀리초)을 제공합니다. |
cognitiveservices.vision.spatialanalysis-persondistance |
최소 거리 규칙을 위반하는 경우를 추적합니다. 각 거리 위반 위치가 포함된 personDistanceEvent를 정기적으로 내보냅니다. |
cognitiveservices.vision.spatialanalysis |
위에서 언급한 모든 시나리오를 실행하는 데 사용할 수 있는 일반 작업입니다. 이 옵션은 동일한 카메라에서 여러 시나리오를 실행하거나 시스템 리소스(예: GPU)를 더 효율적으로 사용하려는 경우에 유용합니다. |
위의 모든 작업은 서비스의 .debug 버전(예: cognitiveservices.vision.spatialanalysis-personcount.debug)에서도 사용할 수 있습니다. 디버그에는 처리 중인 비디오 프레임을 시각화하는 기능이 있습니다. 비디오 프레임 및 이벤트의 시각화를 사용하도록 설정하려면 호스트 컴퓨터에서 xhost +를 실행해야 합니다.
Important
Azure AI 비전 AI 모델은 비디오 영상에서 사람의 존재를 탐지 및 찾고 인체 주위에 경계 상자를 출력합니다. AI 모델은 개인의 ID 또는 인구 통계를 검색하려고 시도하지 않습니다.
조작 매개 변수
각 공간 분석 작업에 필요한 매개 변수는 다음과 같습니다.
| 조작 매개 변수 | 설명 |
|---|---|
Operation ID |
위 표의 작업 식별자입니다. |
enabled |
부울: true 또는 false |
VIDEO_URL |
카메라 디바이스에 대한 RTSP URL(예: rtsp://username:password@url)입니다. 공간 분석은 RTSP, http 또는 mp4를 통해 H.264로 인코딩된 스트림을 지원합니다. Video_URL은 AES 암호화를 이용하여 난독 처리된 base64 문자열 값으로 제공할 수 있으며, 비디오 URL이 난독 처리된 경우 KEY_ENV 및 IV_ENV를 환경 변수로 제공해야 합니다. 키 및 암호화를 생성하는 샘플 유틸리티는 여기서 확인할 수 있습니다. |
VIDEO_SOURCE_ID |
카메라 디바이스 또는 비디오 스트림에 대한 식별 이름입니다. 이벤트 JSON 출력과 함께 반환됩니다. |
VIDEO_IS_LIVE |
카메라 디바이스의 경우 true이고, 기록된 비디오의 경우 false입니다. |
VIDEO_DECODE_GPU_INDEX |
비디오 프레임을 디코딩하는 GPU입니다. 기본값은 0입니다. DETECTOR_NODE_CONFIG, CAMERACALIBRATOR_NODE_CONFIG와 같은 다른 노드 구성의 gpu_index와 동일해야 합니다. |
INPUT_VIDEO_WIDTH |
입력 비디오/스트림의 프레임 너비(예: 1920). 선택적인 필드이며, 제공되는 경우 프레임은 가로 세로 비율을 유지하면서 이 크기로 조정됩니다. |
DETECTOR_NODE_CONFIG |
탐지기 노드를 실행할 GPU를 나타내는 JSON입니다. "{ \"gpu_index\": 0 }", 형식이어야 합니다. |
TRACKER_NODE_CONFIG |
추적기 노드에서 속도를 계산할지 여부를 나타내는 JSON입니다. "{ \"enable_speed\": true }", 형식이어야 합니다. |
CAMERA_CONFIG |
여러 카메라에 대해 보정된 카메라 매개 변수를 나타내는 JSON입니다. 사용한 기술에 보정이 필요하고 카메라 매개 변수가 이미 있는 경우 이 구성을 사용하여 직접 제공할 수 있습니다. "{ \"cameras\": [{\"source_id\": \"endcomputer.0.persondistancegraph.detector+end_computer1\", \"camera_height\": 13.105561256408691, \"camera_focal_length\": 297.60003662109375, \"camera_tiltup_angle\": 0.9738943576812744}] }", source_id 형식은 각 카메라를 식별하는 데 사용됩니다. 게시한 이벤트의 source_info에서 가져올 수 있습니다. do_calibration=false가 DETECTOR_NODE_CONFIG에 있을 때만 적용됩니다. |
CAMERACALIBRATOR_NODE_CONFIG |
카메라 보정자 노드를 실행할 GPU와 보정 사용 여부를 나타내는 JSON입니다. "{ \"gpu_index\": 0, \"do_calibration\": true, \"enable_orientation\": true}", 형식이어야 합니다. |
CALIBRATION_CONFIG |
카메라 보정 작동 방식을 제어하기 위한 매개 변수를 나타내는 JSON입니다. "{\"enable_recalibration\": true, \"quality_check_frequency_seconds\": 86400}", 형식이어야 합니다. |
SPACEANALYTICS_CONFIG |
아래에서 설명한 대로 영역 및 선에 대한 JSON 구성입니다. |
ENABLE_FACE_MASK_CLASSIFIER |
비디오 스트림에서 얼굴 마스크를 착용한 사람을 감지하려면 True이고, 사용하지 않도록 설정하려면 False입니다. 기본적으로 사용하지 않도록 설정됩니다. 얼굴 마스크 감지를 사용하려면 입력 비디오 너비 매개 변수가 1920 "INPUT_VIDEO_WIDTH": 1920이어야 합니다. 감지된 사람이 카메라를 향하고 있지 않거나 카메라에서 너무 멀리 떨어져 있으면 얼굴 마스크 특성이 반환되지 않습니다. 자세한 내용은 카메라 배치를 참조하세요. |
STATIONARY_TARGET_REMOVER_CONFIG |
고정 대상 제거를 위한 매개 변수를 나타내는 JSON으로 마네킹 또는 사진 속 사람과 같은 장기 고정 가양성 대상을 학습하고 무시하는 기능을 추가합니다. "{\"enable\": true, \"bbox_dist_threshold-in_pixels\": 5, \"buffer_length_in_seconds\": 3600, \"filter_ratio\": 0.2 }" 형식으로 구성되어야 합니다. |
탐지기 노드 매개 변수 설정
다음은 모든 공간 분석 작업에 대한 DETECTOR_NODE_CONFIG 매개 변수의 예입니다.
{
"gpu_index": 0,
"enable_breakpad": false
}
| 이름 | 형식 | Description |
|---|---|---|
gpu_index |
string | 이 작업이 실행되는 GPU 인덱스입니다. |
enable_breakpad |
부울 | 디버그용 크래시 덤프를 생성하는 데 사용되는 breakpad를 사용하도록 설정할지 여부를 나타냅니다. 기본값은 false입니다. true로 설정하면 "CapAdd": ["SYS_PTRACE"]도 createOptions 컨테이너의 HostConfig 부분에 추가해야 합니다. 기본적으로 크래시 덤프는 RealTimePersonTracking AppCenter 앱에 업로드됩니다. 크래시 덤프를 사용자 고유의 AppCenter 앱에 업로드하려면 RTPT_APPCENTER_APP_SECRET 환경 변수를 앱의 앱 비밀로 재정의할 수 있습니다. |
카메라 보정 노드 매개 변수 설정
다음은 모든 공간 분석 작업에 대한 CAMERACALIBRATOR_NODE_CONFIG 매개 변수의 예입니다.
{
"gpu_index": 0,
"do_calibration": true,
"enable_breakpad": false,
"enable_orientation": true
}
| 이름 | 형식 | Description |
|---|---|---|
do_calibration |
string | 보정이 설정되어 있음을 나타냅니다. cognitiveservices.vision.spatialanalysis-persondistance가 제대로 작동하려면 do_calibration이 true여야 합니다. do_calibration는 기본적으로 True로 설정됩니다. |
enable_breakpad |
부울 | 디버그용 크래시 덤프를 생성하는 데 사용되는 breakpad를 사용하도록 설정할지 여부를 나타냅니다. 기본값은 false입니다. true로 설정하면 "CapAdd": ["SYS_PTRACE"]도 createOptions 컨테이너의 HostConfig 부분에 추가해야 합니다. 기본적으로 크래시 덤프는 RealTimePersonTracking AppCenter 앱에 업로드됩니다. 크래시 덤프를 사용자 고유의 AppCenter 앱에 업로드하려면 RTPT_APPCENTER_APP_SECRET 환경 변수를 앱의 앱 비밀로 재정의할 수 있습니다. |
enable_orientation |
부울 | 검색된 사람의 방향을 계산할지 여부를 나타냅니다. enable_orientation는 기본적으로 True로 설정됩니다. |
보정 구성
이는 모든 공간 분석 작업에 대한 CALIBRATION_CONFIG 매개 변수의 예입니다.
{
"enable_recalibration": true,
"calibration_quality_check_frequency_seconds": 86400,
"calibration_quality_check_sample_collect_frequency_seconds": 300,
"calibration_quality_check_one_round_sample_collect_num": 10,
"calibration_quality_check_queue_max_size": 1000,
"calibration_event_frequency_seconds": -1
}
| 이름 | 형식 | Description |
|---|---|---|
enable_recalibration |
bool | 자동 다시 보정이 설정되어 있는지 여부를 나타냅니다. 기본값은 true입니다. |
calibration_quality_check_frequency_seconds |
int | 다시 보정이 필요한지 여부를 결정하기 위한 각 품질 검사 사이의 최소 시간(초)입니다. 기본값은 86400(24시간)입니다. enable_recalibration=True인 경우에만 사용됩니다. |
calibration_quality_check_sample_collect_frequency_seconds |
int | 다시 보정할 새 데이터 샘플 수집과 품질 검사 사이의 최소 시간(초)입니다. 기본값은 300(5분)입니다. enable_recalibration=True인 경우에만 사용됩니다. |
calibration_quality_check_one_round_sample_collect_num |
int | 샘플 수집 라운드 단위로 수집할 새 데이터 샘플의 최소 수입니다. 기본값은 10입니다. enable_recalibration=True인 경우에만 사용됩니다. |
calibration_quality_check_queue_max_size |
int | 카메라 모델이 보정될 때 저장할 최대 데이터 샘플 수입니다. 기본값은 1000입니다. enable_recalibration=True인 경우에만 사용됩니다. |
calibration_event_frequency_seconds |
int | 카메라 보정 이벤트의 출력 빈도(초)입니다. 값 -1을 지정하면 카메라 보정 정보가 변경되지 않은 경우 카메라 보정을 보내지 않아야 함을 나타냅니다. 기본값은 -1입니다. |
카메라 보정 출력
다음은 사용하도록 설정한 경우 카메라 보정 출력에 대한 예입니다. 줄임표는 하나의 목록에 동일한 유형의 개체를 더 많이 표시합니다.
{
"type": "cameraCalibrationEvent",
"sourceInfo": {
"id": "camera1",
"timestamp": "2021-04-20T21:15:59.100Z",
"width": 512,
"height": 288,
"frameId": 531,
"cameraCalibrationInfo": {
"status": "Calibrated",
"cameraHeight": 13.294151306152344,
"focalLength": 372.0000305175781,
"tiltupAngle": 0.9581864476203918,
"lastCalibratedTime": "2021-04-20T21:15:59.058"
}
},
"zonePlacementInfo": {
"optimalZoneRegion": {
"type": "POLYGON",
"points": [
{
"x": 0.8403755868544601,
"y": 0.5515320334261838
},
{
"x": 0.15805946791862285,
"y": 0.5487465181058496
}
],
"name": "optimal_zone_region"
},
"fairZoneRegion": {
"type": "POLYGON",
"points": [
{
"x": 0.7871674491392802,
"y": 0.7437325905292479
},
{
"x": 0.22065727699530516,
"y": 0.7325905292479109
}
],
"name": "fair_zone_region"
},
"uniformlySpacedPersonBoundingBoxes": [
{
"type": "RECTANGLE",
"points": [
{
"x": 0.0297339593114241,
"y": 0.0807799442896936
},
{
"x": 0.10015649452269171,
"y": 0.2757660167130919
}
]
}
],
"personBoundingBoxGroundPoints": [
{
"x": -22.944068908691406,
"y": 31.487680435180664
}
]
}
}
source_info에 대한 자세한 내용은 공간 분석 작업 출력을 참조하세요.
| ZonePlacementInfo 필드 이름 | Type | 설명 |
|---|---|---|
optimalZonePolygon |
개체 | 최적의 결과를 위해 작업의 선이나 영역을 배치할 수 있는 카메라 이미지의 다각형입니다. 각 값 쌍은 다각형의 꼭짓점에 대한 x,y를 나타냅니다. 다각형은 사람이 추적되거나 계산되는 영역을 나타내며, 다각형 점은 정규화된 좌표(0-1)를 기반으로 합니다. 여기서 왼쪽 위 모서리는 (0.0, 0.0)이고, 오른쪽 아래 모서리는 (1.0, 1.0)입니다. |
fairZonePolygon |
개체 | 양호하지만 최적의 결과를 제공하지는 못하는 작업의 선이나 영역을 배치할 수 있는 카메라 이미지의 다각형입니다. 콘텐츠에 대한 자세한 설명은 위의 optimalZonePolygon을 참조하세요. |
uniformlySpacedPersonBoundingBoxes |
list | 실제 공간에 균일하게 분산된 카메라 이미지 내에 있는 사람의 경계 상자 목록입니다. 값은 정규화된 좌표(0-1)를 기준으로 합니다. |
personBoundingBoxGroundPoints |
list | 카메라를 기준으로 하는 바닥면의 좌표 목록입니다. 각 좌표는 동일한 인덱스를 갖는 uniformlySpacedPersonBoundingBoxes 경계 상자의 오른쪽 하단 지점과 일치합니다. 바닥면의 좌표를 계산하는 방법에 대한 자세한 내용은 cognitiveservices.vision.spatialanalysis-personcrossingline AI 인사이트에 대한 JSON 형식 섹션 아래의 centerGroundPointX/centerGroundPointY 필드를 참조하세요. |
동영상 프레임에 시각화된 영역 배치 정보 출력의 예: 
영역 배치 정보는 사용자 구성에 맞는 제안을 제공하지만 최상의 결과를 위해서는 카메라 구성의 지침을 따라야 합니다.
추적기 노드 매개 변수 설정
추적기 노드 매개 변수 설정을 통해 속도 계산을 구성할 수 있습니다.
{
"enable_speed": true,
"remove_stationary_objects": true,
"stationary_objects_dist_threshold_in_pixels": 5,
"stationary_objects_buffer_length_in_seconds": 3600,
"stationary_objects_filter_ratio": 0.2
}
| 이름 | 형식 | Description |
|---|---|---|
enable_speed |
bool | 검색된 사람의 속도를 계산할지 여부를 나타냅니다. enable_speed는 기본적으로 True로 설정됩니다. 속도와 방향을 모두 사용하도록 설정하여 최상의 예상 값을 갖는 것이 좋습니다. |
remove_stationary_objects |
부울 | 고정 개체를 제거할지 여부를 나타냅니다. remove_stationary_objects는 기본적으로 True로 설정됩니다. |
stationary_objects_dist_threshold_in_pixels |
int | 두 검색 상자를 동일한 검색으로 처리할 수 있는지 여부를 결정하는 이웃 거리 임계값입니다. stationary_objects_dist_threshold_in_pixels는 기본적으로 5로 설정됩니다. |
stationary_objects_buffer_length_in_seconds |
int | 시스템이 대상이 고정 대상인지 여부를 결정하기 위해 되돌아봐야 하는 최소 시간(초)입니다. stationary_objects_buffer_length_in_seconds는 기본적으로 3600으로 설정됩니다. |
stationary_objects_filter_ratio |
float | (stationary_objects_dist_threshold_in_pixels에 정의된) 동일한 위치에서 stationary_objects_buffer_length_in_seconds 시간 간격의 더 큰 stationary_objects_filter_ratio로 대상을 반복적으로 검색하는 경우(0.2는 20%를 의미함) 고정된 대상으로 처리됩니다. stationary_objects_filter_ratio는 기본적으로 0.2로 설정됩니다. |
공간 분석 작업 구성 및 출력
personcount에 대한 영역 구성
다음은 영역을 구성하는 SPACEANALYTICS_CONFIG 매개 변수에 대한 JSON 입력의 예제입니다. 이 작업에서는 여러 영역을 구성할 수 있습니다.
{
"zones": [
{
"name": "lobbycamera",
"polygon": [[0.3,0.3], [0.3,0.9], [0.6,0.9], [0.6,0.3], [0.3,0.3]],
"events": [
{
"type": "count",
"config": {
"trigger": "event",
"focus": "footprint"
}
}
]
}
]
}
| 이름 | 형식 | Description |
|---|---|---|
zones |
list | 영역 목록입니다. |
name |
string | 이 영역에 대한 식별 이름입니다. |
polygon |
list | 각 값 쌍은 다각형의 꼭짓점에 대한 x,y를 나타냅니다. 다각형은 사람이 추적되거나 계산되는 영역을 나타냅니다. 다각형 점은 정규화된 좌표(0-1)를 기반으로 합니다. 여기서 왼쪽 위 모서리는 (0.0, 0.0)이고, 오른쪽 아래 모서리는 (1.0, 1.0)입니다. |
threshold |
float | 이벤트는 사람이 영역 내의 이 픽셀 수보다 클 때 송신됩니다. 이것은 선택적 필드이며 값은 비율(0~1)입니다. 예를 들어, 값 0.0253은 이미지 너비가 512인 비디오에서 13픽셀이 됩니다(0.0253 X 512 = ~13). |
type |
string | cognitiveservices.vision.spatialanalysis-personcount의 경우 count여야 합니다. |
trigger |
string | 이벤트를 보내는 트리거의 형식입니다. 지원되는 값은 개수가 변경되면 이벤트를 보내는 event 또는 개수가 변경되었는지 여부에 관계없이 정기적으로 이벤트를 보내는 interval입니다. |
output_frequency |
int | 이벤트가 송신되는 속도입니다. output_frequency = X이면 모든 X 이벤트가 송신됩니다. 예를 들어 output_frequency = 2는 다른 모든 이벤트가 출력됨을 의미합니다. output_frequency는 event 및 interval 모두에 적용됩니다. |
focus |
string | 이벤트를 계산하는 데 사용되는 사람의 경계 상자 내의 지점 위치입니다. focus의 값은 footprint(사람의 공간), bottom_center(사람의 경계 상자의 아래쪽 가운데), center(사람의 경계 상자의 중심)일 수 있습니다. |
personcrossingline에 대한 선 구성
다음은 선을 구성하는 SPACEANALYTICS_CONFIG 매개 변수에 대한 JSON 입력의 예제입니다. 이 작업에서는 여러 교차 선을 구성할 수 있습니다.
{
"lines": [
{
"name": "doorcamera",
"line": {
"start": {
"x": 0,
"y": 0.5
},
"end": {
"x": 1,
"y": 0.5
}
},
"events": [
{
"type": "linecrossing",
"config": {
"trigger": "event",
"focus": "footprint"
}
}
]
}
]
}
| 이름 | 형식 | Description |
|---|---|---|
lines |
list | 선 목록입니다. |
name |
string | 이 선에 대한 식별 이름입니다. |
line |
list | 선의 정의입니다. "진입" 및 "진출"을 이해할 수 있도록 하는 방향 선입니다. |
start |
값 쌍 | 선의 시작 지점에 대한 x, y 좌표입니다. 부동 소수점 값은 왼쪽 위 모서리를 기준으로 하는 꼭짓점의 위치를 나타냅니다. 절대 x, y 값을 계산하려면 이러한 값과 프레임 크기를 곱해야 합니다. |
end |
값 쌍 | 선의 끝 지점에 대한 x, y 좌표입니다. 부동 소수점 값은 왼쪽 위 모서리를 기준으로 하는 꼭짓점의 위치를 나타냅니다. 절대 x, y 값을 계산하려면 이러한 값과 프레임 크기를 곱해야 합니다. |
threshold |
float | 이벤트는 사람이 영역 내의 이 픽셀 수보다 클 때 송신됩니다. 이것은 선택적 필드이며 값은 비율(0~1)입니다. 예를 들어, 값 0.0253은 이미지 너비가 512인 비디오에서 13픽셀이 됩니다(0.0253 X 512 = ~13). |
type |
string | cognitiveservices.vision.spatialanalysis-personcrossingline의 경우 linecrossing이어야 합니다. |
trigger |
string | 이벤트를 보내는 트리거의 형식입니다. 지원되는 값: "event": 누군가가 선을 벗어날 때 발생합니다. |
focus |
string | 이벤트를 계산하는 데 사용되는 사람의 경계 상자 내의 지점 위치입니다. focus의 값은 footprint(사람의 공간), bottom_center(사람의 경계 상자의 아래쪽 가운데), center(사람의 경계 상자의 중심)일 수 있습니다. 기본값은 footprint입니다. |
personcrossingpolygon에 대한 영역 구성
다음은 영역을 구성하는 SPACEANALYTICS_CONFIG 매개 변수에 대한 JSON 입력의 예제입니다. 이 작업에서는 여러 영역을 구성할 수 있습니다.
{
"zones":[
{
"name": "queuecamera",
"polygon": [[0.3,0.3], [0.3,0.9], [0.6,0.9], [0.6,0.3], [0.3,0.3]],
"events":[{
"type": "zonecrossing",
"config":{
"trigger": "event",
"focus": "footprint"
}
}]
},
{
"name": "queuecamera1",
"polygon": [[0.3,0.3], [0.3,0.9], [0.6,0.9], [0.6,0.3], [0.3,0.3]],
"events":[{
"type": "zonedwelltime",
"config":{
"trigger": "event",
"focus": "footprint"
}
}]
}]
}
| 이름 | 형식 | Description |
|---|---|---|
zones |
list | 영역 목록입니다. |
name |
string | 이 영역에 대한 식별 이름입니다. |
polygon |
list | 각 값 쌍은 다각형의 꼭짓점에 대한 x,y를 나타냅니다. 다각형은 사람이 추적되거나 계산되는 영역을 나타냅니다. 부동 소수점 값은 왼쪽 위 모서리를 기준으로 하는 꼭짓점의 위치를 나타냅니다. 절대 x, y 값을 계산하려면 이러한 값과 프레임 크기를 곱해야 합니다. |
target_side |
int | polygon으로 정의된 영역의 측면을 지정하여 사용자가 영역에 있는 동안 해당 측면을 마주하는 시간을 측정합니다. 'dwellTimeForTargetSide'는 예상 시간을 출력합니다. 각 변은 영역을 나타내는 다각형의 두 꼭짓점 사이에 번호가 매겨진 가장자리입니다. 예를 들어 다각형의 처음 두 꼭짓점 사이의 가장자리는 첫 번째 변 'side'=1을 나타냅니다. target_side의 값은 [0,N-1] 사이에 있으며, 여기서 N은 polygon의 변의 수입니다. 이 필드는 선택적 필드입니다. |
threshold |
float | 이벤트는 사람이 영역 내의 이 픽셀 수보다 클 때 송신됩니다. 이것은 선택적 필드이며 값은 비율(0~1)입니다. 예를 들어, 값 0.074는 이미지 너비가 512인 비디오에서 38픽셀이 됩니다(0.074 X 512 = ~38). |
type |
string | cognitiveservices.vision.spatialanalysis-personcrossingpolygon의 경우 zonecrossing 또는 zonedwelltime이어야 합니다. |
trigger |
string | 이벤트를 보내는 트리거의 형식입니다. 지원되는 값: "event": 누군가가 영역에 들어오거나 나갈 때 발생합니다. |
focus |
string | 이벤트를 계산하는 데 사용되는 사람의 경계 상자 내의 지점 위치입니다. focus의 값은 footprint(사람의 공간), bottom_center(사람의 경계 상자의 아래쪽 가운데), center(사람의 경계 상자의 중심)일 수 있습니다. 기본값은 footprint입니다. |
persondistance에 대한 영역 구성
다음은 cognitiveservices.vision.spatialanalysis-persondistance에 대한 영역을 구성하는 SPACEANALYTICS_CONFIG 매개 변수에 대한 JSON 입력의 예제입니다. 이 작업에서는 여러 영역을 구성할 수 있습니다.
{
"zones":[{
"name": "lobbycamera",
"polygon": [[0.3,0.3], [0.3,0.9], [0.6,0.9], [0.6,0.3], [0.3,0.3]],
"events":[{
"type": "persondistance",
"config":{
"trigger": "event",
"output_frequency":1,
"minimum_distance_threshold":6.0,
"maximum_distance_threshold":35.0,
"aggregation_method": "average",
"focus": "footprint"
}
}]
}]
}
| 이름 | 형식 | Description |
|---|---|---|
zones |
list | 영역 목록입니다. |
name |
string | 이 영역에 대한 식별 이름입니다. |
polygon |
list | 각 값 쌍은 다각형의 꼭짓점에 대한 x,y를 나타냅니다. 다각형은 사람이 계산되고 사람 사이의 거리가 측정되는 영역을 나타냅니다. 부동 소수점 값은 왼쪽 위 모서리를 기준으로 하는 꼭짓점의 위치를 나타냅니다. 절대 x, y 값을 계산하려면 이러한 값과 프레임 크기를 곱해야 합니다. |
threshold |
float | 이벤트는 사람이 영역 내의 이 픽셀 수보다 클 때 송신됩니다. 이것은 선택적 필드이며 값은 비율(0~1)입니다. 예를 들어, 값 0.0253은 이미지 너비가 512인 비디오에서 13픽셀이 됩니다(0.0253 X 512 = ~13). |
type |
string | cognitiveservices.vision.spatialanalysis-persondistance의 경우 persondistance여야 합니다. |
trigger |
string | 이벤트를 보내는 트리거의 형식입니다. 지원되는 값은 개수가 변경되면 이벤트를 보내는 event 또는 개수가 변경되었는지 여부에 관계없이 정기적으로 이벤트를 보내는 interval입니다. |
output_frequency |
int | 이벤트가 송신되는 속도입니다. output_frequency = X이면 모든 X 이벤트가 송신됩니다. 예를 들어 output_frequency = 2는 다른 모든 이벤트가 출력됨을 의미합니다. output_frequency는 event 및 interval 모두에 적용됩니다. |
minimum_distance_threshold |
float | 사람이 이 거리보다 덜 떨어져 있을 때 "TooClose" 이벤트를 트리거하는 거리(피트)입니다. |
maximum_distance_threshold |
float | 사람이 이 거리보다 더 떨어져 있을 때 "TooFar"이벤트를 트리거하는 거리(피트)입니다. |
aggregation_method |
string | 집계 persondistance 결과의 메서드입니다. aggregation_method는 mode 및 average 모두에 적용됩니다. |
focus |
string | 이벤트를 계산하는 데 사용되는 사람의 경계 상자 내의 지점 위치입니다. focus의 값은 footprint(사람의 공간), bottom_center(사람의 경계 상자의 아래쪽 가운데), center(사람의 경계 상자의 중심)일 수 있습니다. |
공간 분석 구성
다음은 cognitiveservices.vision.spatialanalysis에 대한 선과 영역을 구성하는 SPACEANALYTICS_CONFIG 매개 변수에 대한 JSON 입력의 예제입니다. 이 작업에서는 여러 선/영역을 구성할 수 있으며, 각 선/영역마다 다른 이벤트가 있을 수 있습니다.
{
"lines": [
{
"name": "doorcamera",
"line": {
"start": {
"x": 0,
"y": 0.5
},
"end": {
"x": 1,
"y": 0.5
}
},
"events": [
{
"type": "linecrossing",
"config": {
"trigger": "event",
"focus": "footprint"
}
}
]
}
],
"zones": [
{
"name": "lobbycamera",
"polygon": [[0.3, 0.3],[0.3, 0.9],[0.6, 0.9],[0.6, 0.3],[0.3, 0.3]],
"events": [
{
"type": "persondistance",
"config": {
"trigger": "event",
"output_frequency": 1,
"minimum_distance_threshold": 6.0,
"maximum_distance_threshold": 35.0,
"focus": "footprint"
}
},
{
"type": "count",
"config": {
"trigger": "event",
"output_frequency": 1,
"focus": "footprint"
}
},
{
"type": "zonecrossing",
"config": {
"focus": "footprint"
}
},
{
"type": "zonedwelltime",
"config": {
"focus": "footprint"
}
}
]
}
]
}
카메라 구성
영역 및 선을 구성하는 방법에 대한 자세한 내용은 카메라 배치 가이드를 참조하세요.
공간 분석 작업 출력
각 작업의 이벤트는 JSON 형식으로 Azure IoT Hub로 송신됩니다.
personcount AI Insights에 대한 JSON 형식
이 작업의 event 출력에 대한 JSON 샘플입니다.
{
"events": [
{
"id": "b013c2059577418caa826844223bb50b",
"type": "personCountEvent",
"detectionIds": [
"bc796b0fc2534bc59f13138af3dd7027",
"60add228e5274158897c135905b5a019"
],
"properties": {
"personCount": 2
},
"zone": "lobbycamera",
"trigger": "event"
}
],
"sourceInfo": {
"id": "camera_id",
"timestamp": "2020-08-24T06:06:57.224Z",
"width": 608,
"height": 342,
"frameId": "1400",
"cameraCalibrationInfo": {
"status": "Calibrated",
"cameraHeight": 10.306597709655762,
"focalLength": 385.3199462890625,
"tiltupAngle": 1.0969393253326416
},
"imagePath": ""
},
"detections": [
{
"type": "person",
"id": "bc796b0fc2534bc59f13138af3dd7027",
"region": {
"type": "RECTANGLE",
"points": [
{
"x": 0.612683747944079,
"y": 0.25340268765276636
},
{
"x": 0.7185954043739721,
"y": 0.6425260577285499
}
]
},
"confidence": 0.9559211134910583,
"metadata": {
"centerGroundPointX": "2.6310102939605713",
"centerGroundPointY": "0.0",
"groundOrientationAngle": "1.3",
"footprintX": "0.7306610584259033",
"footprintY": "0.8814966493381893"
},
"attributes": [
{
"label": "face_mask",
"confidence": 0.99,
"task": ""
}
]
},
{
"type": "person",
"id": "60add228e5274158897c135905b5a019",
"region": {
"type": "RECTANGLE",
"points": [
{
"x": 0.22326200886776573,
"y": 0.17830915618361087
},
{
"x": 0.34922296122500773,
"y": 0.6297955429344847
}
]
},
"confidence": 0.9389744400978088,
"metadata": {
"centerGroundPointX": "2.6310102939605713",
"centerGroundPointY": "18.635927200317383",
"groundOrientationAngle": "1.3",
"footprintX": "0.7306610584259033",
"footprintY": "0.8814966493381893"
},
"attributes": [
{
"label": "face_mask",
"confidence": 0.99,
"task": ""
}
]
}
],
"schemaVersion": "2.0"
}
| event 필드 이름 | Type | Description |
|---|---|---|
id |
string | 이벤트 ID |
type |
string | 이벤트 유형 |
detectionsId |
배열 | 이 이벤트를 트리거한 사람 감지의 고유 식별자 크기 1의 배열 |
properties |
컬렉션 | 값 컬렉션 |
trackinId |
string | 감지된 사람의 고유 식별자 |
zone |
string | 교차된 영역을 나타내는 다각형의 "name" 필드 |
trigger |
string | SPACEANALYTICS_CONFIG의 trigger 값에 따라 'event' 또는 'interval'인 트리거 형식 |
| detections 필드 이름 | Type | Description |
|---|---|---|
id |
string | 감지 ID |
type |
string | 검색 유형 |
region |
컬렉션 | 값 컬렉션 |
type |
string | 영역 유형 |
points |
컬렉션 | 영역 유형이 RECTANGLE인 경우 왼쪽 위 및 오른쪽 아래 지점 |
confidence |
float | 알고리즘 신뢰도 |
attributes |
배열 | 특성의 배열입니다. 각 특성은 레이블, 작업 및 신뢰도로 구성됩니다. |
label |
string | 특성 값(예: {label: face_mask}는 감지된 사람이 마스크를 착용하고 있음을 나타냄) |
confidence (attribute) |
float | 범위 0~1의 특성 신뢰도 값(예: {confidence: 0.9, label: face_nomask}는 감지된 사람이 얼굴 마스크를 착용하고 있지 않음을 나타냄) |
task |
string | 특성 분류 작업/클래스 |
| sourceInfo 필드 이름 | Type | Description |
|---|---|---|
id |
string | 카메라 ID |
timestamp |
날짜 | JSON 페이로드를 내보낸 UTC 날짜 |
width |
int | 비디오 프레임 너비 |
height |
int | 비디오 프레임 높이 |
frameId |
int | 프레임 식별자 |
cameraCallibrationInfo |
컬렉션 | 값 컬렉션 |
status |
string | state[;progress description] 형식의 보정 상태입니다. 상태는 Calibrating, Recalibrating(다시 보정이 사용하도록 설정된 경우) 또는 Calibrated일 수 있습니다. 현재 보정 프로세스의 진행률을 표시하는 데 사용되는 Calibrating 및 Recalibrating 상태인 경우에만 진행률 설명 부분이 유효합니다. |
cameraHeight |
float | 지면 위의 카메라 높이(피트)입니다. 이는 자동 보정에서 유추됩니다. |
focalLength |
float | 카메라의 초점 길이(픽셀)입니다. 이는 자동 보정에서 유추됩니다. |
tiltUpAngle |
float | 세로 방향의 카메라 기울기 각도입니다. 이는 자동 보정에서 유추됩니다. |
personcrossingline AI Insights에 대한 JSON 형식
이 작업의 detections 출력에 대한 JSON 샘플입니다.
{
"events": [
{
"id": "3733eb36935e4d73800a9cf36185d5a2",
"type": "personLineEvent",
"detectionIds": [
"90d55bfc64c54bfd98226697ad8445ca"
],
"properties": {
"trackingId": "90d55bfc64c54bfd98226697ad8445ca",
"status": "CrossLeft"
},
"zone": "doorcamera"
}
],
"sourceInfo": {
"id": "camera_id",
"timestamp": "2020-08-24T06:06:53.261Z",
"width": 608,
"height": 342,
"frameId": "1340",
"imagePath": ""
},
"detections": [
{
"type": "person",
"id": "90d55bfc64c54bfd98226697ad8445ca",
"region": {
"type": "RECTANGLE",
"points": [
{
"x": 0.491627341822574,
"y": 0.2385801348769874
},
{
"x": 0.588894994635331,
"y": 0.6395559924387793
}
]
},
"confidence": 0.9005028605461121,
"metadata": {
"centerGroundPointX": "2.6310102939605713",
"centerGroundPointY": "18.635927200317383",
"groundOrientationAngle": "1.3",
"trackingId": "90d55bfc64c54bfd98226697ad8445ca",
"speed": "1.2",
"footprintX": "0.7306610584259033",
"footprintY": "0.8814966493381893"
},
"attributes": [
{
"label": "face_mask",
"confidence": 0.99,
"task": ""
}
]
}
],
"schemaVersion": "2.0"
}
| event 필드 이름 | Type | Description |
|---|---|---|
id |
string | 이벤트 ID |
type |
string | 이벤트 유형 |
detectionsId |
배열 | 이 이벤트를 트리거한 사람 감지의 고유 식별자 크기 1의 배열 |
properties |
컬렉션 | 값 컬렉션 |
trackinId |
string | 감지된 사람의 고유 식별자 |
status |
string | 선 교차 방향('CrossLeft' 또는 'CrossRight')입니다. 방향은 선의 "끝"을 향하여 "시작"에 위치해 있는 상상을 기반으로 합니다. CrossRight는 왼쪽에서 오른쪽으로 교차합니다. CrossLeft는 오른쪽에서 왼쪽으로 교차합니다. |
orientationDirection |
string | 선을 통과한 후 감지된 사람의 방향입니다. 값은 'Left', 'Right 또는 'Straight'일 수 있습니다. CAMERACALIBRATOR_NODE_CONFIG에서 enable_orientation이 True로 설정된 경우 이 값이 출력됩니다. |
zone |
string | 교차된 선의 "name" 필드 |
| detections 필드 이름 | Type | Description |
|---|---|---|
id |
string | 감지 ID |
type |
string | 검색 유형 |
region |
컬렉션 | 값 컬렉션 |
type |
string | 영역 유형 |
points |
컬렉션 | 영역 유형이 RECTANGLE인 경우 왼쪽 위 및 오른쪽 아래 지점 |
groundOrientationAngle |
float | 유추된 접지 평면에서 사람 방향의 시계 방향 방사형 각도 |
mappedImageOrientation |
float | 2D 이미지 공간에서 사람 방향의 프로젝션된 시계 방향 방사형 각도 |
speed |
float | 감지된 사람의 예상 속도입니다. 단위는 foot per second (ft/s)입니다. |
confidence |
float | 알고리즘 신뢰도 |
attributes |
배열 | 특성의 배열입니다. 각 특성은 레이블, 작업 및 신뢰도로 구성됩니다. |
label |
string | 특성 값(예: {label: face_mask}는 감지된 사람이 마스크를 착용하고 있음을 나타냄) |
confidence (attribute) |
float | 범위 0~1의 특성 신뢰도 값(예: {confidence: 0.9, label: face_nomask}는 감지된 사람이 얼굴 마스크를 착용하고 있지 않음을 나타냄) |
task |
string | 특성 분류 작업/클래스 |
| sourceInfo 필드 이름 | Type | Description |
|---|---|---|
id |
string | 카메라 ID |
timestamp |
날짜 | JSON 페이로드를 내보낸 UTC 날짜 |
width |
int | 비디오 프레임 너비 |
height |
int | 비디오 프레임 높이 |
frameId |
int | 프레임 식별자 |
Important
AI 모델은 사람이 카메라를 향하고 있는지 또는 멀리 떨어져 있는지 여부에 관계없이 사람을 감지합니다. AI 모델은 얼굴 인식을 실행하지 않으며 생체 인식 정보를 내보내지 않습니다.
personcrossingpolygon AI Insights에 대한 JSON 형식
zonecrossing 형식 SPACEANALYTICS_CONFIG를 사용하는 이 작업의 detections 출력에 대한 JSON 샘플입니다.
{
"events": [
{
"id": "f095d6fe8cfb4ffaa8c934882fb257a5",
"type": "personZoneEnterExitEvent",
"detectionIds": [
"afcc2e2a32a6480288e24381f9c5d00e"
],
"properties": {
"trackingId": "afcc2e2a32a6480288e24381f9c5d00e",
"status": "Enter",
"side": "1"
},
"zone": "queuecamera"
}
],
"sourceInfo": {
"id": "camera_id",
"timestamp": "2020-08-24T06:15:09.680Z",
"width": 608,
"height": 342,
"frameId": "428",
"imagePath": ""
},
"detections": [
{
"type": "person",
"id": "afcc2e2a32a6480288e24381f9c5d00e",
"region": {
"type": "RECTANGLE",
"points": [
{
"x": 0.8135572734631991,
"y": 0.6653949670624315
},
{
"x": 0.9937645761590255,
"y": 0.9925406829655519
}
]
},
"confidence": 0.6267998814582825,
"metadata": {
"centerGroundPointX": "2.6310102939605713",
"centerGroundPointY": "18.635927200317383",
"groundOrientationAngle": "1.3",
"trackingId": "afcc2e2a32a6480288e24381f9c5d00e",
"speed": "1.2",
"footprintX": "0.7306610584259033",
"footprintY": "0.8814966493381893"
},
"attributes": [
{
"label": "face_mask",
"confidence": 0.99,
"task": ""
}
]
}
],
"schemaVersion": "2.0"
}
zonedwelltime 형식 SPACEANALYTICS_CONFIG를 사용하는 이 작업의 detections 출력에 대한 JSON 샘플입니다.
{
"events": [
{
"id": "f095d6fe8cfb4ffaa8c934882fb257a5",
"type": "personZoneDwellTimeEvent",
"detectionIds": [
"afcc2e2a32a6480288e24381f9c5d00e"
],
"properties": {
"trackingId": "afcc2e2a32a6480288e24381f9c5d00e",
"status": "Exit",
"side": "1",
"dwellTime": 7132.0,
"dwellFrames": 20
},
"zone": "queuecamera"
}
],
"sourceInfo": {
"id": "camera_id",
"timestamp": "2020-08-24T06:15:09.680Z",
"width": 608,
"height": 342,
"frameId": "428",
"imagePath": ""
},
"detections": [
{
"type": "person",
"id": "afcc2e2a32a6480288e24381f9c5d00e",
"region": {
"type": "RECTANGLE",
"points": [
{
"x": 0.8135572734631991,
"y": 0.6653949670624315
},
{
"x": 0.9937645761590255,
"y": 0.9925406829655519
}
]
},
"confidence": 0.6267998814582825,
"metadata": {
"centerGroundPointX": "2.6310102939605713",
"centerGroundPointY": "18.635927200317383",
"groundOrientationAngle": "1.2",
"mappedImageOrientation": "0.3",
"speed": "1.2",
"trackingId": "afcc2e2a32a6480288e24381f9c5d00e",
"footprintX": "0.7306610584259033",
"footprintY": "0.8814966493381893"
}
}
],
"schemaVersion": "2.0"
}
| event 필드 이름 | Type | Description |
|---|---|---|
id |
string | 이벤트 ID |
type |
string | 이벤트 유형입니다. 값은 personZoneDwellTimeEvent 또는 personZoneEnterExitEvent일 수 있습니다. |
detectionsId |
배열 | 이 이벤트를 트리거한 사람 감지의 고유 식별자 크기 1의 배열 |
properties |
컬렉션 | 값 컬렉션 |
trackinId |
string | 감지된 사람의 고유 식별자 |
status |
string | 다각형 교차의 방향('Enter' 또는 'Exit')입니다. |
side |
int | 사람이 교차한 다각형 변의 번호입니다. 각 변은 영역을 나타내는 다각형의 두 꼭짓점 사이에 번호가 매겨진 가장자리입니다. 다각형의 처음 두 꼭짓점 사이의 가장자리는 첫 번째 변을 나타냅니다. 폐색으로 인해 이벤트가 특정 변과 연결되지 않은 경우 'side'는 비어 있습니다. 예를 들어 사람이 사라졌지만 영역의 한 변을 교차하지 않은 것으로 확인되면 진출이 발생했거나, 영역에 사람이 나타났지만 변을 교차하지 않은 것으로 확인되면 진입이 발생했습니다. |
dwellTime |
float | 사용자가 영역에서 머문 시간을 나타내는 밀리초 수입니다. 이벤트 유형이 personZoneDwellTimeEvent인 경우 이 필드가 제공됩니다. |
dwellFrames |
int | 사람이 영역에서 보낸 프레임 수입니다. 이벤트 유형이 personZoneDwellTimeEvent인 경우 이 필드가 제공됩니다. |
dwellTimeForTargetSide |
float | 사용자가 영역에서 보낸 시간과 target_side와 마주한 시간을 나타내는 밀리초 수입니다. 이 필드는 enable_orientation이 CAMERACALIBRATOR_NODE_CONFIG 에서 True이고 target_side의 값이 SPACEANALYTICS_CONFIG로 설정된 경우에 제공됩니다. |
avgSpeed |
float | 영역에 있는 사람의 평균 속도입니다. 단위는 foot per second (ft/s)입니다. |
minSpeed |
float | 영역에 있는 사용자의 최소 속도입니다. 단위는 foot per second (ft/s)입니다. |
zone |
string | 교차된 영역을 나타내는 다각형의 "name" 필드 |
| detections 필드 이름 | Type | Description |
|---|---|---|
id |
string | 감지 ID |
type |
string | 검색 유형 |
region |
컬렉션 | 값 컬렉션 |
type |
string | 영역 유형 |
points |
컬렉션 | 영역 유형이 RECTANGLE인 경우 왼쪽 위 및 오른쪽 아래 지점 |
groundOrientationAngle |
float | 유추된 접지 평면에서 사람 방향의 시계 방향 방사형 각도 |
mappedImageOrientation |
float | 2D 이미지 공간에서 사람 방향의 프로젝션된 시계 방향 방사형 각도 |
speed |
float | 감지된 사람의 예상 속도입니다. 단위는 foot per second (ft/s)입니다. |
confidence |
float | 알고리즘 신뢰도 |
attributes |
배열 | 특성의 배열입니다. 각 특성은 레이블, 작업 및 신뢰도로 구성됩니다. |
label |
string | 특성 값(예: {label: face_mask}는 감지된 사람이 마스크를 착용하고 있음을 나타냄) |
confidence (attribute) |
float | 범위 0~1의 특성 신뢰도 값(예: {confidence: 0.9, label: face_nomask}는 감지된 사람이 얼굴 마스크를 착용하고 있지 않음을 나타냄) |
task |
string | 특성 분류 작업/클래스 |
persondistance AI Insights에 대한 JSON 형식
이 작업의 detections 출력에 대한 JSON 샘플입니다.
{
"events": [
{
"id": "9c15619926ef417aa93c1faf00717d36",
"type": "personDistanceEvent",
"detectionIds": [
"9037c65fa3b74070869ee5110fcd23ca",
"7ad7f43fd1a64971ae1a30dbeeffc38a"
],
"properties": {
"personCount": 5,
"averageDistance": 20.807043981552123,
"minimumDistanceThreshold": 6.0,
"maximumDistanceThreshold": "Infinity",
"eventName": "TooClose",
"distanceViolationPersonCount": 2
},
"zone": "lobbycamera",
"trigger": "event"
}
],
"sourceInfo": {
"id": "camera_id",
"timestamp": "2020-08-24T06:17:25.309Z",
"width": 608,
"height": 342,
"frameId": "1199",
"cameraCalibrationInfo": {
"status": "Calibrated",
"cameraHeight": 12.9940824508667,
"focalLength": 401.2800598144531,
"tiltupAngle": 1.057669997215271
},
"imagePath": ""
},
"detections": [
{
"type": "person",
"id": "9037c65fa3b74070869ee5110fcd23ca",
"region": {
"type": "RECTANGLE",
"points": [
{
"x": 0.39988183975219727,
"y": 0.2719132942065858
},
{
"x": 0.5051516984638414,
"y": 0.6488402517218339
}
]
},
"confidence": 0.948630690574646,
"metadata": {
"centerGroundPointX": "-1.4638760089874268",
"centerGroundPointY": "18.29732322692871",
"groundOrientationAngle": "1.3",
"footprintX": "0.7306610584259033",
"footprintY": "0.8814966493381893"
}
},
{
"type": "person",
"id": "7ad7f43fd1a64971ae1a30dbeeffc38a",
"region": {
"type": "RECTANGLE",
"points": [
{
"x": 0.5200299714740954,
"y": 0.2875368218672903
},
{
"x": 0.6457497446160567,
"y": 0.6183311060855263
}
]
},
"confidence": 0.8235412240028381,
"metadata": {
"centerGroundPointX": "2.6310102939605713",
"centerGroundPointY": "18.635927200317383",
"groundOrientationAngle": "1.3",
"footprintX": "0.7306610584259033",
"footprintY": "0.8814966493381893"
}
}
],
"schemaVersion": "2.0"
}
| event 필드 이름 | Type | Description |
|---|---|---|
id |
string | 이벤트 ID |
type |
string | 이벤트 유형 |
detectionsId |
배열 | 이 이벤트를 트리거한 사람 감지의 고유 식별자 크기 1의 배열 |
properties |
컬렉션 | 값 컬렉션 |
personCount |
int | 이벤트를 내보냈을 때 감지된 사람 수 |
averageDistance |
float | 감지된 모든 사람 사이의 평균 거리(피트) |
minimumDistanceThreshold |
float | 사람이 이 거리보다 덜 떨어져 있을 때 "TooClose" 이벤트를 트리거하는 거리(피트)입니다. |
maximumDistanceThreshold |
float | 사람이 이 거리보다 더 떨어져 있을 때 "TooFar"이벤트를 트리거하는 거리(피트)입니다. |
eventName |
string | 이벤트 이름은 minimumDistanceThreshold를 위반하는 경우 TooClose이거나, maximumDistanceThreshold를 위반하는 경우 TooFar이거나, 자동 보정을 완료하지 않은 경우 unknown입니다. |
distanceViolationPersonCount |
int | minimumDistanceThreshold 또는 maximumDistanceThreshold를 위반하여 감지된 사람 수 |
zone |
string | 사람 사이의 거리를 모니터링한 영역을 나타내는 다각형의 "name" 필드 |
trigger |
string | SPACEANALYTICS_CONFIG의 trigger 값에 따라 'event' 또는 'interval'인 트리거 형식 |
| detections 필드 이름 | Type | Description |
|---|---|---|
id |
string | 감지 ID |
type |
string | 검색 유형 |
region |
컬렉션 | 값 컬렉션 |
type |
string | 영역 유형 |
points |
컬렉션 | 영역 유형이 RECTANGLE인 경우 왼쪽 위 및 오른쪽 아래 지점 |
confidence |
float | 알고리즘 신뢰도 |
centerGroundPointX/centerGroundPointY |
2개의 부동 소수점 값 | x, y 값은 지면에 있는 사람에 대해 유추된 위치의 좌표입니다. x 및 y는 바닥이 수평이라고 가정한 바닥 평면의 좌표입니다. 카메라의 위치가 원점입니다. |
centerGroundPoint에서 x는 카메라와 사람 간의 거리(카메라 이미지 평면과 수직)를 나타내는 구성 요소입니다. y는 카메라 이미지 평면과 평행한 거리를 나타내는 구성 요소입니다.
이 예에서 centerGroundPoint는 {centerGroundPointX: 4, centerGroundPointY: 5}입니다. 즉, 카메라에서 4피트, 오른쪽으로 5피트 떨어진 사람이 방을 위에서 아래로 보고 있습니다.
| sourceInfo 필드 이름 | Type | Description |
|---|---|---|
id |
string | 카메라 ID |
timestamp |
날짜 | JSON 페이로드를 내보낸 UTC 날짜 |
width |
int | 비디오 프레임 너비 |
height |
int | 비디오 프레임 높이 |
frameId |
int | 프레임 식별자 |
cameraCallibrationInfo |
컬렉션 | 값 컬렉션 |
status |
string | state[;progress description] 형식의 보정 상태입니다. 상태는 Calibrating, Recalibrating(다시 보정이 사용하도록 설정된 경우) 또는 Calibrated일 수 있습니다. 현재 보정 프로세스의 진행률을 표시하는 데 사용되는 Calibrating 및 Recalibrating 상태인 경우에만 진행률 설명 부분이 유효합니다. |
cameraHeight |
float | 지면 위의 카메라 높이(피트)입니다. 이는 자동 보정에서 유추됩니다. |
focalLength |
float | 카메라의 초점 길이(픽셀)입니다. 이는 자동 보정에서 유추됩니다. |
tiltUpAngle |
float | 세로 방향의 카메라 기울기 각도입니다. 이는 자동 보정에서 유추됩니다. |
공간 분석 AI Insights에 대한 JSON 형식
이 작업의 출력은 구성된 events에 따라 달라집니다. 예를 들어 이 작업에 대해 구성된 zonecrossing 이벤트가 있는 경우 출력은 cognitiveservices.vision.spatialanalysis-personcrossingpolygon과 동일합니다.
컨테이너에서 생성된 출력 사용
공간 분석 감지 또는 이벤트를 애플리케이션에 통합할 수 있습니다. 고려해야 할 몇 가지 방법은 다음과 같습니다.
- Azure IoT Hub 엔드포인트에 연결하고 이벤트를 받을 수 있도록 Azure Event Hubs SDK를 선택한 프로그래밍 언어에 사용합니다. 자세한 내용은 기본 제공 엔드포인트에서 디바이스-클라우드 메시지 읽기를 참조하세요.
- 이벤트를 다른 엔드포인트에 보내거나 이벤트를 데이터 스토리지에 저장하도록 Azure IoT Hub에서 메시지 라우팅을 설정합니다. 자세한 내용은 IoT Hub 메시지 라우팅을 참조하세요.
- 이벤트가 도착하면 해당 이벤트를 실시간으로 처리하고 시각화를 만들도록 Azure Stream Analytics 작업을 설정합니다.
대규모 공간 분석 작업 배포(여러 카메라)
GPU의 최고 성능과 사용률을 얻기 위해 그래프 인스턴스를 사용하여 모든 공간 분석 작업을 여러 카메라에 배포할 수 있습니다. 아래는 15대의 카메라에서 cognitiveservices.vision.spatialanalysis-personcrossingline 작업을 실행하는 샘플 구성입니다.
"properties.desired": {
"globalSettings": {
"PlatformTelemetryEnabled": false,
"CustomerTelemetryEnabled": true
},
"graphs": {
"personzonelinecrossing": {
"operationId": "cognitiveservices.vision.spatialanalysis-personcrossingline",
"version": 1,
"enabled": true,
"sharedNodes": {
"shared_detector0": {
"node": "PersonCrossingLineGraph.detector",
"parameters": {
"DETECTOR_NODE_CONFIG": "{ \"gpu_index\": 0, \"batch_size\": 7, \"do_calibration\": true}",
}
},
"shared_calibrator0": {
"node": "PersonCrossingLineGraph/cameracalibrator",
"parameters": {
"CAMERACALIBRATOR_NODE_CONFIG": "{ \"gpu_index\": 0, \"do_calibration\": true, \"enable_zone_placement\": true}",
"CALIBRATION_CONFIG": "{\"enable_recalibration\": true, \"quality_check_frequency_seconds\": 86400}",
}
},
"parameters": {
"VIDEO_DECODE_GPU_INDEX": 0,
"VIDEO_IS_LIVE": true
},
"instances": {
"1": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 1>",
"VIDEO_SOURCE_ID": "camera 1",
"SPACEANALYTICS_CONFIG": "{\"zones\":[{\"name\":\"queue\",\"polygon\":[[0,0],[1,0],[0,1],[1,1],[0,0]]}]}"
}
},
"2": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 2>",
"VIDEO_SOURCE_ID": "camera 2",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
},
"3": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 3>",
"VIDEO_SOURCE_ID": "camera 3",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
},
"4": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 4>",
"VIDEO_SOURCE_ID": "camera 4",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
},
"5": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 5>",
"VIDEO_SOURCE_ID": "camera 5",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
},
"6": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 6>",
"VIDEO_SOURCE_ID": "camera 6",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
},
"7": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 7>",
"VIDEO_SOURCE_ID": "camera 7",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
},
"8": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 8>",
"VIDEO_SOURCE_ID": "camera 8",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
},
"9": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 9>",
"VIDEO_SOURCE_ID": "camera 9",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
},
"10": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 10>",
"VIDEO_SOURCE_ID": "camera 10",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
},
"11": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 11>",
"VIDEO_SOURCE_ID": "camera 11",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
},
"12": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 12>",
"VIDEO_SOURCE_ID": "camera 12",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
},
"13": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 13>",
"VIDEO_SOURCE_ID": "camera 13",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
},
"14": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 14>",
"VIDEO_SOURCE_ID": "camera 14",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
},
"15": {
"sharedNodeMap": {
"PersonCrossingLineGraph/detector": "shared_detector0",
"PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
},
"parameters": {
"VIDEO_URL": "<Replace RTSP URL for camera 15>",
"VIDEO_SOURCE_ID": "camera 15",
"SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
}
}
}
},
}
}
| 이름 | 형식 | 설명 |
|---|---|---|
batch_size |
int | 모든 카메라의 해상도가 동일한 경우 batch_size를 해당 작업에 사용할 카메라 수로 설정하고, 그렇지 않으면 batch_size를 1로 설정하거나 일괄 처리가 지원되지 않음을 나타내는 기본값(1)으로 둡니다. |