왜 가정용 NVR의 감지가 광각 프레임 가장자리 근처에 몰릴까요?

에바 왕

IceWhale author

에바 왕 는 기술 작가 그리고 이자 ZimaSpace의 상주 장인입니다. 평생을 기술에 열정을 가진 사람으로서 홈랩과 오픈소스 소프트웨어에 열정을 가지고 있으며,복잡한 기술 개념을 쉽게 이해할 수 있는 실습 가이드로 번역하는 데 전문성을 가지고 있습니다.에바는 셀프 호스팅이 어렵지 않고 재미있어야 한다고 믿습니다. 그녀의 튜토리얼을 통해 커뮤니티가 하드웨어 설정의 신비를 풀도록돕고 있습니다. 첫 NAS 구축부터 Docker 컨테이너 마스터링까지.

Why Do Home NVR Detections Cluster Near the Edges of Wide-Angle Frames? - Zima Store Online

홈 NVR 감지는 렌즈 투영으로 인해 프레임 전체에서 물체 형태, 픽셀 밀도, 움직임, 검출기 기하가 달라지므로 광각 가장자리 근처에 집중될 수 있습니다.

현관이나 실내 카메라에서는 활동이 정상적으로 분산되어 있어도 왼쪽과 오른쪽 경계 근처에 사람, 반려동물 또는 오탐 박스가 반복해서 나타날 수 있습니다. 광각 광학계는 동일한 실제 공간 각도를 서로 다른 이미지 형태로 매핑하며, 가장자리의 물체는 늘어나거나 휘어지거나 일부만 화면에 들어오는 경우가 많습니다. 검출, 렌즈 보정, 움직임 게이팅, 추적이 이러한 공간적 불균형을 증폭시킬 수 있습니다.

광각 투영으로 프레임의 공간적 균일성이 달라집니다

어안 및 강한 배럴 왜곡 투영은 장면의 직선 기하를 휘게 하여 넓은 시야각을 확보합니다. 경계 근처에서는 물체가 비정상적인 형태와 각도 크기를 차지할 수 있으며, 일반적인 직사각형 박스는 광학 중심 근처보다 더 많은 배경을 포함하게 됩니다.

어안 기하 적응에 관한 연구에서는 기존 검출기가 어안 이미지에 적용되려면 기하 인식형 적응이 필요하며, 일반적인 박스는 왜곡된 물체를 표현하기에 적합하지 않다고 설명합니다. 다각형 표현과 카메라 모델 정보가 가장자리의 기하와 더 잘 일치합니다.

검출 히트맵은 방의 동일한 면적이 아니라 이미지 좌표를 집계합니다. 가장자리의 한 띠가 중앙의 띠보다 출입구나 훨씬 넓은 각도 영역을 포함할 수 있으므로, 이미지 공간에서 보이는 집중 현상은 검출기 편향이 아니라 장면 매핑을 일부 반영할 수 있습니다.

학습과 보정이 가장자리 신뢰도에 영향을 줍니다

많은 검출기는 똑바른 물체가 있는 직선형 이미지 위주로 학습됩니다. 늘어난 팔다리, 휘어진 문틀, 일부만 들어오는 물체, 광각 가장자리에서 유효 세부 정보가 감소하는 현상은 이러한 학습 분포와 다르므로 위치에 따라 신뢰도와 위치 추정 오류가 달라집니다.

어안 물체 검출 연구는 어안 카메라용 검출 방법을 평가하고 해당 환경을 위한 왜곡 인식형 방법을 제시합니다. 이 연구는 전체 프레임에 하나의 정확도 값이 적용된다고 가정하기보다 가장자리 동작을 투영과 학습의 문제로 다뤄야 한다는 점을 뒷받침합니다.

보정을 적용하면 물체가 모델에 더 익숙한 형태로 보일 수 있지만, 리샘플링 과정에서 주변부 픽셀이 늘어나고 세부 정보가 흐려질 수 있습니다. 보정 후 자르기를 적용하면 어떤 경계 이벤트가 계속 보이는지도 달라지므로, 동일한 카메라라도 보정 파이프라인과 비보정 파이프라인에서 서로 다른 가장자리 집중 현상이 나타날 수 있습니다.

움직임 게이트와 추적 로직이 가장자리 이벤트를 증폭시킬 수 있습니다

물체는 장면의 경계를 통해 들어오는 경우가 많습니다. 새로운 픽셀이 프레임 안으로 들어오면 움직임 검출이 작동하고, 더 많은 부분이 나타나면서 박스가 빠르게 변하는 부분 물체로 추적이 시작됩니다. 이후 추적이 잠시 끊기면 동일한 가장자리 영역에서 여러 검출 이벤트가 생성될 수 있습니다.

주변부 검출 일관성을 위한 최근 파이프라인은 방사 왜곡과 불균일한 해상도로 인해 어안 경계 근처에서 특히 어려움이 발생한다고 보고합니다. 이 파이프라인은 주변부 조건을 명시적으로 대상으로 삼는 전처리와 앙상블 설계를 통해 일관성을 높입니다. 이러한 차이는 이후 가정 환경 테스트에서도 확인됩니다.

문제는 모든 가장자리 집중 현상을 렌즈 왜곡으로 해석하는 것입니다. 문, 반사되는 창문, 움직이는 나무, 타임스탬프 오버레이, 프라이버시 마스크 또는 검출 영역이 실제로 해당 위치에 트리거를 집중시킬 수 있습니다. 광학 모델을 탓하기 전에 관측된 활동과 사용 가능한 영역을 기준으로 횟수를 정규화하세요.

-15% OFF