索迪斯DEMO

未分类

索引页

[get] http://47.92.240.9:11005/demo

说明

本次DEMO提供两个上传方法。
【常规近景】对应常规的人物识别算法，通用于识别比较近的人体。
【斜角优化】是根据食堂常面对的情况，对斜角识别人体进行的优化

由于没有真实的食堂数据，目前的模型是根据公共数据集训练而成，准确率会受到较大的限制。再得到真实的数据并训练后，准确度会有较大的提升。

效果

【宽松】检测前

【宽松】常规近景

【宽松】斜角优化

【密集】检测前

【密集】常规近景

【密集】斜角优化

参数说明

硬件
CPU: 8核 Intel Xeon Platinum 8163（Skylake）2.5 GHz
内存: 16GB

标准图像大小及运算速度:
图像大小: 640*640
标准大小下的运算速度: 1600ms

• 低于此像素的输入会被强制拉升至标准输入大小，影响识别精度，但不会影响速度；
• 高于此像素的输入不会被更改尺寸，但会影响运算速度，比如1600*1200的输入，会使运算速度降低至3400ms左右。
• 少量区域框体不影响速度。

可继续提升的方案

1. 如能提供真实场地图片，可大幅度提升准确率。现有模型是在公共数据集训练而成，不符合实际场景的色调、拥挤程度等，如有真实照片，可以在此模型上继续训练，由此可将角度、距离、色调、实际遮挡、制服颜色等关键特征训练至模型，能大幅度提高识别效果。
2. 可通过滑动平均算法，对任意不变摄像头的最近几次识别结果进行平均判断。由于模型非常敏感，任意像素点都可能造成一些影响，对某个目标偶发的识别失误是正常的，因此对近邻结果投票能极大的提升准确度。
3. 后台设有识别阈值，该阈值越高，识别越严格，在近景下误判越少；阈值越低，识别越宽松，对愿景（小型人体）的识别越好，可根据摄像头所处情况调节（主要是角度和纵深）。
4. 后台设有验证阈值，该阈值越高，对错误框体的验证越宽松；该阈值越低，对错误框体的验证越严格，可根据实际情况和其他参数，可根据摄像头所处情况调节（主要是角度和纵深。
5. 使用GPU和更高阶的模型，会大幅度提升准确度和硬件成本。

API

api接口: [get/post] http://47.92.240.9:11005/api

[人数识别]

说明: 接受JPG或PNG的三通道（RGB）图片。

请求参数

返回值