🖥️
AugeLab Studio Manual
Deutch
Deutch
  • 👋Willkommen im AugeLab Studio Benutzerhandbuch
  • 📘Einführung
    • AugeLab Studio
    • Hauptmerkmale
    • Anwendungsfälle
    • Systemanforderungen
  • 🚀Erste Schritte
    • Anmeldung
    • Installation
    • Erster Blick
    • Einfacher Rundgang
    • Ihr allererstes Projekt
      • Grundlagen
      • Erkennung
      • Zusammenfassung
    • Weitere lokale Beispiele
    • Weitere Lektüre
  • 🖥️AugeLab Studio Oberfläche
    • Detaillierter Blick
    • Szenario-Bereich
    • Menü und Werkzeugleiste
    • Projekte verwalten
    • KI installieren und vieles mehr
      • KI mit Modul-Downloader nutzen
  • 🧱Funktionsblöcke
    • Blockstrukturen
    • Schnittstellen
    • Blockspalte
    • Verbindungen
    • Alle Funktionsblöcke
      • AI Blocks
        • Face Detection
        • Mask Detection
        • Object Detection - Custom
        • Object Detection
        • Pose Estimation
        • Safety Equipment Detection
        • Social Distance Detector
        • Super Resolution
        • Text Detection
        • OCR
      • CNN Blocks
        • Average Pooling 2D
        • Batch Normalization
        • Choose Folder 2D
        • Compile Model
        • Conv. Sep. Layer 2D
        • Conv. Trans. Layer 2D
        • Convolutional Layer 2D
        • Dropout Layer
        • Flatten Layer 2D
        • Fully Connected
        • Global Average Pooling 2D
        • Global Max Pooling 2D
        • Input Layer 2D
        • Loss CCE
        • Max Pooling 2D
        • Metrics Accuracy
        • Model EfficientNet
        • Model MobileNet
        • Model ResNet
        • Model VGG
        • Optimizer Adadelta
        • Optimizer Adagrad
        • Optimizer Adam
        • Optimizer Adamax
        • Optimizer FTRL
        • Optimizer Nadam
        • Optimizer RMSProp
        • Optimizer SGD
        • ReLU Layer
        • Softmax Layer
        • Training Parameters
      • Data/Logic
        • Flow Control
          • Batch Concatenation
          • Batch Processing
          • Debatch
          • Get Batch Size
          • HMI Background
          • Subsystem Enabled
          • Subsystem In
          • Subsystem Loop
          • Subsystem Out
          • Subsystem
        • logic
          • All True
          • And
          • Demux
          • Equals
          • Greater
          • Logic Operations
          • Mux
          • Not
          • Or
          • Set - Reset
          • Smaller
        • Mathmetical Operations
          • Add
          • Counter
          • Divide
          • Math Operations
          • Maximum
          • Minimum
          • Multiply
          • Not Equals
          • Round
          • Square Root
          • Subtract
          • Trigonometry
        • Data Operations
          • Data Memory
          • Data to JSON
          • Data Type Converter
          • Datetime Compare
          • Dictionary Operations
          • Exclude Nones
          • Find Substring
          • Get Element
          • Is None
          • List Operations
          • Parse Data Dictionary
          • Replace None
          • String Merge
          • String Operations
        • Referencing
          • Data Read Global
          • Data Read Local
          • Data Write Global
          • Data Write Local
          • Debug Input
          • Tag From
          • Tag To
        • Signal Operators
          • Delay Step
          • Edge Falling
          • Edge Rising
          • Multi Port Switch
          • OFF Delay
          • ON Delay
      • Image/Transformations
        • Analysis
          • Color Density Percentage
          • Get Dimension
          • Histogram On Curve
          • Histogram On Line
          • Image Color Match
          • Image Memory
          • Image Resolution and Channel Value
          • Maximum Images
          • Mean Value of Image
          • Measure Position Distance
          • Minimum Images
          • Non-zero of Image
          • Std. of Image
          • Structural Similarity
        • Transformation Filters
          • Auto Alignment
          • Auto Contrast
          • Color Quantizer and Clustering
          • Color Space
          • Contrast-Brightness-Gamma
          • Contrast Optimization
          • Deconvolution
          • Denoising
          • Distance Transformation
          • FloodFill
          • Grab Cut Algorithm
        • Color Filters
          • 2D Filter
          • Apply Mask
          • Bilateral Filter
          • Blur
          • Edge Filter
          • HSV Filter
          • Image Adaptive Threshold
          • Image Threshold
          • Invert Image
          • Morphological Transformations
          • Normalize Image
          • RGB Mask
          • RGB Set
          • Sobel Filter
        • Operations
          • Add Images Weighted
          • Add Images
          • Collage Images
          • Divide Images
          • Flip Image
          • Image AutoRotator
          • Image Concatenate
          • Image Resize
          • Image Resizer
          • Merge Channels
          • Multiply Images
          • Polar Transform
          • Rotate Image Angle
          • Slice Image
          • Split Image
          • Subtract Images
      • Detections/Shapes
        • Detectors
          • Barcode Reader
          • Blob Detector
          • Blur Detector
          • Circle Detector
          • Corner Detector
          • Custom CNN Model
          • Data Matrix Reader
          • Detect Reference
          • Feature Detector
          • Find Object - Multiple Image
          • Find Object
          • Find Reference
          • Harris Corner Filter
          • Line Detector
          • Match Shapes
          • Measure Object Distance
          • Shape Detector
        • Draw
          • Draw Detections
          • Draw Line
          • Draw Point
          • Draw Rectangle
          • Draw Result On Image
          • Write Date On Image
          • Write Text On Image
        • Roi Processing
          • Check Area (Polygon)
          • Check Area
          • Get Pixel Mouse
          • Get Pixel
          • Get ROI
          • Image ROI Center
          • Image ROI Polygon
          • Image ROI Select Multi
          • Image ROI Select
          • Image ROI
          • Perspective Transform
          • Rectangles in Rectangle
        • Shape Analysis
          • Approximate Contour
          • Choose Line
          • Contour to Image
          • Fill Contour
          • Find Contour
          • Hull Convex
          • Minimum Circle
          • Minimum Ellipse
          • Minimum Rectangle
          • Minimum Rotated Rectangle
          • Most Similar Shape
          • Point Polygon Test
      • Input/Output
        • Communication
          • Modbus Connect
          • Modbus Read
          • Modbus Write
          • MQTT Publish
          • MQTT Subscribe
          • OPC UA Client
          • OPC UA Read
          • OPC UA Write
          • REST API - Get
          • REST API - Post
          • Send Mail
          • Siemens S7 Connect
          • Siemens S7 Read
          • Siemens S7 Write
        • Data Inputs
          • Date-Time List
          • Date-Time
          • Headless Check
          • Keyboard/Barcode Reader
          • Logic Input
          • Number Input
          • Number Range
          • PWM (Pulse Width Modulation)
          • Rising Edge
          • String Input
          • Text
        • Image Inputs
          • Camera IP (ONVIF)
          • Camera IP
          • Camera USB External
          • Camera USB Vidgear
          • Camera USB
          • Load Image From Path
          • Load Image
          • Make Image
          • Pixel
          • Video
        • Outputs/Exports
          • CSV Export
          • Cycle Timer
          • File/Folder Operations
          • GPU Statistics
          • Image Logger
          • Image Write
          • Led Output
          • Multi Image Write
          • Output
          • Scope
          • Show Image
          • Stop
  • 📡Geräte und Kommunikation
    • Kamera-Nutzung
    • Kommunikationsprotokolle
    • Weitere Lektüre
  • 🧩Beispielprojekte
    • Demo-Projekte
    • Umfangmessung
    • Objektezählung
    • Fliesenbreitenmessung
    • Menschenkennung
    • Objekterkennung
  • 🔑Hauptmerkmale
    • Benutzerdefinierte HMI-Anwendungen bereitstellen
    • Daten für die Objekterkennung annotieren
    • Benutzerdefinierte KI-Modelle trainieren
      • Die richtige Datenbank auswählen
      • Wann man das Training stoppen sollte
    • Plugins erstellen
      • Komponenten
      • Codereferenz
    • Teilen Sie Ihre Lösungen mit der Community
    • Python-Pakete installieren
  • 📑FAQ
    • Kontaktieren Sie uns
    • FAQ
    • Ein vollständiges Projekt einrichten
  • Zusätzliche Ressourcen
    • Schulungsplan
    • Schulung Materialien
    • AugeLab-Experten
  • Anhang
    • Wörterbuch
    • Referenzen
Powered by GitBook
On this page

Was this helpful?

  1. Beispielprojekte

Menschenkennung

PreviousFliesenbreitenmessungNextObjekterkennung

Last updated 7 months ago

Was this helpful?

Die Menschenkennung ist ein sehr heißes Thema sowohl in der Computer Vision als auch in den öffentlichen Medien und fällt unter die gleiche Kategorie wie . Diese kurze Dokumentation hilft Ihnen, die Positionen von Menschen zu erkennen und sie zu zählen, während sie einen Bereich betreten.

Sie müssen AI-Module installieren und einen Computer mit GPU haben, um dieses Tutorial abzuschließen. Bitte beachten Sie die .

Ein einfacher Fall der Menschenkennung kann mit einem einfachen Szenario wie unten getestet werden:

Klicken Sie auf Select Video File im Video-Block und wählen Sie footage.mp4 im Beispielbilder-Ordner.

Deaktivieren Sie Real-time im Video, da wir jeden Frame mit Objekterkennung verarbeiten möchten.

Wählen Sie Human im Block Objekterkennung im Auswahlfeld für die Erkennungsklasse. Schieben Sie den Vertrauensschwellenwert auf %50.

Drücken Sie F5 oder Window->Run->Run One Step, und Sie sollten auf diese Szene stoßen:

Sie können sehen, dass es mehrere Menschenziehungen in unserer Videodatei gibt. Wir möchten jedoch zählen, wie viele Personen in unser Kameraperspektive eintreten oder austreten. Um dies zu erreichen, verwenden wir den Block Check Area:

Verbinden Sie die Anschlüsse wie im obigen Bild dargestellt, führen Sie das Szenario für einen Schritt aus und zeichnen Sie auch das Erkennungsgebiet im Block Check Area.

Das Ausführen des aktuellen Szenarios zählt, wie viele Objekte sich im gezeichneten Rechteck befinden:

Wir zählen jedoch nur die Objekte in diesem Bereich zu diesem Zeitpunkt, und wir werden keine Informationen darüber speichern können, wie viele Personen den Bereich passiert haben. Um das zu berechnen, müssen wir die folgende Logik erstellen:

Die obige Logik subtrahiert die Gesamtanzahl der erkannten Objekte von dem vorherigen Zustand mit dem Block Delay Step. Wenn es einen Unterschied von mehr als eins gibt, wird dies summiert und mit dem Block Counter gespeichert.

Da haben Sie es! Führen Sie nun dieses Szenario mit Ctrl+F5 oder Window->Run->Run aus, und Sie können die Anzahl der Personen zählen, die durch einen bestimmten Bereich gehen:

Für unseren Fall verwenden wir die Blöcke , und in AugeLab Studio. Sie können diese Blöcke aus dem Abschnitt Blöcke ziehen oder doppelt auf das leere Szenario klicken und ihren Namen eingeben.

🧩
Video
Objekterkennung
Show Image
Objekterkennung
Klicken Sie zum Vergrößern
Installationsanleitung