Quelles fonctionnalités permettent le suivi des objets entre plusieurs caméras dans un NVR domestique ?

Le suivi entre caméras fonctionne en reliant des trajectoires locales stables à des éléments d’apparence et des indices spatiotemporels, contraints par les chemins connus entre les caméras du domicile.

Une personne peut quitter le champ de la caméra de l’allée et apparaître quelques secondes plus tard sous le porche, alors que chaque caméra crée d’abord un nouvel identifiant local. Un NVR domestique a besoin de plus que de la détection d’objets pour relier ces fragments. Il doit établir des trajectoires fiables dans chaque vue, comparer prudemment l’apparence, synchroniser les horodatages, modéliser des itinéraires plausibles et conserver l’incertitude lorsque l’occlusion ou des vêtements similaires empêchent un relais sûr.

Des trajectoires locales stables créent les unités pouvant être reliées

La détection fournit des cadres indépendamment à chaque image ; le suivi les associe au fil du temps pour former une trajectoire locale. La prédiction du mouvement, la confiance de détection et la gestion des occlusions déterminent si une personne conserve le même identifiant jusqu’à sa sortie du champ de la caméra.

Le suivi assisté par l’apparence combine le mouvement et des informations d’apparence approfondies afin de réduire les changements d’identité pendant les occlusions. Sa structure explique pourquoi la logique intercaméras devrait utiliser des trajectoires courtes plutôt que de comparer des détections isolées. Cette distinction reste visible lors des tests ultérieurs à domicile.

Un suivi local peu fiable produit des candidats fragmentés qui multiplient l’ambiguïté entre caméras. Pour chaque trajectoire courte, enregistrez l’heure d’entrée et de sortie, la zone, des recadrages représentatifs, la classe, la direction et les scores de qualité, tout en conservant l’identifiant d’origine propre à la caméra pour l’audit.

Les représentations d’apparence ont besoin de contraintes spatiotemporelles

Les encodeurs de réidentification projettent les recadrages dans un espace d’apparence où les objets similaires sont plus proches. La couleur des vêtements, la morphologie, les détails des véhicules et l’angle de vue peuvent aider, mais l’éclairage, la pluie, la compression et les membres d’une même famille portant des vêtements similaires peuvent brouiller les distinctions.

Un système de cohérence spatiotemporelle récompensé dans une compétition combine le regroupement fondé sur l’apparence avec la cohérence spatiotemporelle et la réattribution des identifiants. Ses solides résultats montrent que la similarité visuelle devient plus fiable lorsque la géométrie et le temps limitent les correspondances possibles. Le résultat intermédiaire doit rester inspectable avant toute automatisation.

La topologie du domicile peut indiquer que le trajet entre l’allée et le porche prend généralement de 3 à 30 secondes, tandis qu’un passage instantané du sous-sol à l’allée est impossible. Les vues qui se chevauchent utilisent la géométrie ; les vues sans chevauchement utilisent les zones d’entrée, les zones de sortie, les distributions de temps de trajet et la direction. Cette limite doit être mesurée séparément dans des conditions d’utilisation réalistes.

Les horloges, l’étalonnage et la confiance régissent les relais

Les horloges des caméras doivent partager une base de temps stable, car même quelques secondes de dérive peuvent rendre une transition correcte impossible en apparence. Les polygones de zone et l’étalonnage des objectifs transforment les positions brutes des cadres en entrées, itinéraires et sorties sémantiquement pertinents.

L’association des détections à faible score conserve les détections à faible score pendant l’association au lieu de les supprimer immédiatement, ce qui améliore la continuité lors d’occlusions partielles. Ce principe est important à domicile, où une porte ou une plante peut brièvement réduire la confiance du détecteur. La conséquence pratique apparaît lorsque plusieurs sources se disputent un contexte limité.

La limite à ne pas franchir est celle d’une identité globale imposée. Lorsque deux candidats ont une apparence similaire et des fenêtres de déplacement qui se chevauchent, le NVR devrait conserver des hypothèses distinctes ou créer un nouvel identifiant. Une fusion incorrecte mais considérée comme certaine fausse davantage le décompte des événements, les alertes et les résumés ultérieurs qu’une rupture visible.

-15% OFF

ZimaBoard 2 - Mini serveur domestique pour votre grande idée

Single board computer zimaboard2

$339.00 - $519.00

Buy Now

Testez les relais à l’aide d’une matrice de trajets connus

Parcourez à pied et en voiture les itinéraires connus entre chaque paire de caméras connectées, à différentes vitesses, heures, tenues et conditions d’éclairage. Incluez deux personnes similaires, des transitions simultanées, des retours en arrière, de longues interruptions et des sauts délibérément impossibles entre caméras. Cette dépendance doit rester explicite dans l’interface finale.

Utilisez la distinction entre identifiants persistants présentée dans les identifiants de suivi persistants pour enregistrer la fragmentation locale, la précision et le rappel des relais entre caméras, les changements d’identité, les fusions erronées, les relais inconnus et le décalage des horloges. Examinez les séquences sources à l’origine de chaque trajectoire globale fusionnée.

Déployez la liaison automatique uniquement pour les paires de caméras et les fenêtres temporelles qui atteignent le seuil de précision. Laissez les transitions ambiguës non reliées ou soumises à vérification ; augmenter le rayon de correspondance pour masquer les ruptures n’est pas une amélioration lorsqu’il relie silencieusement des objets différents.