가정용 NVR에서 카메라 간 객체 추적을 가능하게 하는 기능은 무엇인가요?

카메라 간 추적은 홈 카메라 사이의 알려진 경로에 의해 제한되는 외관 및 시공간 정보를 활용해 안정적인 로컬 트랙을 연결하는 방식으로 작동합니다.

사람이 진입로 화면에서 사라진 뒤 몇 초 후 현관에 나타날 수 있지만, 각 카메라는 처음에 새로운 로컬 ID를 생성합니다. 홈 NVR이 이러한 조각들을 연결하려면 객체 감지만으로는 부족합니다. 각 화면 내부에서 신뢰할 수 있는 트랙을 생성하고, 외관을 신중하게 비교하며, 타임스탬프를 동기화하고, 가능한 이동 경로를 모델링해야 합니다. 또한 가림이나 비슷한 옷 때문에 안전한 인계가 불가능할 때는 불확실성을 유지해야 합니다.

안정적인 로컬 트랙이 연결 가능한 단위를 만듭니다

감지는 각 프레임에서 독립적으로 바운딩 박스를 제공하고, 추적은 이를 시간에 따라 연결해 로컬 궤적을 형성합니다. 움직임 예측, 감지 신뢰도, 가림 처리는 한 사람이 카메라 시야를 벗어날 때까지 하나의 ID를 유지할 수 있는지를 결정합니다.

외관 보조 추적은 움직임과 심층 외관 정보를 결합해 가림 중 ID 전환을 줄입니다. 이 구조는 카메라 간 로직이 고립된 감지 결과가 아니라 트랙릿을 사용해야 하는 이유를 보여줍니다. 이러한 차이는 이후 가정 환경 테스트에서도 확인할 수 있습니다.

취약한 로컬 추적기는 여러 조각으로 나뉜 후보를 만들어 카메라 간 모호성을 키웁니다. 각 트랙릿에 대해 시작 및 종료 시간, 구역, 대표 크롭 이미지, 클래스, 방향, 품질 점수를 저장하되, 감사 추적을 위해 원래 카메라 로컬 ID도 유지하세요.

외관 임베딩에는 시공간 제약이 필요합니다

재식별 인코더는 크롭 이미지를 외관 공간으로 매핑하며, 이 공간에서는 비슷한 객체가 더 가까이 위치합니다. 옷 색상, 체형, 차량 세부 정보, 시점이 도움이 될 수 있지만 조명, 비, 압축, 비슷한 옷을 입은 가족 구성원 때문에 구분이 어려워질 수 있습니다.

대회에서 우승한 시공간 일관성 시스템은 외관 클러스터링을 시공간 일관성 및 ID 재할당과 결합합니다. 이 시스템의 뛰어난 결과는 기하 정보와 시간 정보가 가능한 매칭을 제한할 때 시각적 유사성이 더 신뢰할 수 있게 된다는 점을 보여줍니다. 자동화가 뒤따르기 전에 중간 결과를 확인할 수 있어야 합니다.

가정의 구조를 활용하면 진입로에서 현관까지의 이동에는 보통 3~30초가 걸리지만 지하실에서 진입로로 순간적으로 이동할 수는 없다는 점을 반영할 수 있습니다. 서로 겹치는 화면에는 기하 정보를 사용하고, 겹치지 않는 화면에는 진입 구역, 이탈 구역, 이동 시간 분포, 방향을 사용합니다. 이러한 경계는 실제 운영 조건에서 별도로 측정해야 합니다.

시계, 보정, 신뢰도가 인계를 좌우합니다

카메라 시계는 안정적인 시간 기준을 공유해야 합니다. 몇 초의 오차만으로도 올바른 전환이 불가능한 것처럼 보일 수 있기 때문입니다. 구역 폴리곤과 렌즈 보정은 원시 바운딩 박스 위치를 의미 있는 진입 지점, 경로, 이탈 지점으로 변환합니다.

낮은 점수 감지 결과 연결은 감지 결과를 즉시 버리지 않고 연결 과정에서 낮은 점수의 감지 결과도 유지해 부분적인 가림 상황에서 연속성을 향상합니다. 현관이나 화분 때문에 감지기 신뢰도가 잠시 낮아질 수 있는 가정 환경에서는 이러한 원칙이 중요합니다. 여러 소스가 제한된 맥락을 두고 경쟁할 때 그 실질적인 효과가 드러납니다.

실패의 경계는 전역 ID를 강제로 부여하는 경우입니다. 두 후보의 외관이 비슷하고 이동 가능 시간이 겹친다면 NVR은 별도의 가설을 유지하거나 새로운 ID를 시작해야 합니다. 확신에 찬 잘못된 병합은 눈에 보이는 단절보다 이벤트 수, 알림, 이후 요약을 더 크게 왜곡합니다.

-15% OFF

ZimaBoard 2 - 당신의 큰 아이디어를 위한 미니 홈 서버

Single board computer zimaboard2

$339.00 - $519.00

Buy Now

알려진 경로 행렬로 인계를 테스트하세요

연결된 모든 카메라 쌍 사이에서 알려진 경로를 다양한 속도, 시간대, 복장 조건, 조명 수준으로 걷거나 운전해 보세요. 두 명의 비슷한 사람, 동시 전환, 역방향 이동, 긴 공백, 의도적으로 불가능한 카메라 간 점프도 포함해야 합니다. 이 의존성은 최종 인터페이스에 명시적으로 남아 있어야 합니다.

지속 추적 ID에서 설명하는 영구 ID 구분을 활용해 로컬 단편화, 카메라 간 인계 정밀도와 재현율, ID 전환, 잘못된 병합, 알 수 없는 인계, 시계 오프셋을 기록하세요. 병합된 모든 전역 트랙의 원본 클립을 검토하세요.

정밀도 기준을 통과한 카메라 쌍과 시간 구간에만 자동 연결을 적용하세요. 모호한 전환은 연결하지 않거나 검토할 수 있는 상태로 두세요. 단절을 숨기기 위해 매칭 반경을 넓히는 것은 서로 다른 객체를 조용히 연결할 뿐이므로 개선이 아닙니다.