Object Detection

Dieser Funktionsblock erkennt häufige Objekte in einem Bild und liefert sowohl visuelle als auch strukturierte Erkennungsergebnisse. Verwenden Sie ihn, um Objekte wie Personen, Fahrzeuge und viele COCO-Klassen zu lokalisieren und zu zählen. Es gibt einfache Einstellungen für Confidence und Klassenauswahl, sodass Sie die Erkennung an Ihr Szenario anpassen können.

📥 Eingänge

• Image Any Dieses Eingangsbild wird analysiert.

📤 Ausgänge

• Image Any Bild mit annotierten Erkennungsboxen und Labels.

• Object Count Anzahl der erkannten Objekte.

• Object Center Locations Mittelpunkte der erkannten Objekte (mehrere möglich).

• Object Sizes (w, h) Breite/Höhe-Paare für jedes erkannte Objekt (mehrere möglich).

• Object Class Klassenbezeichnungen der erkannten Objekte (mehrere möglich).

• Rectangles Koordinaten der Bounding-Boxen für jede Erkennung (mehrere möglich).

🕹️ Steuerungen

• Confidence Threshold % Schieberegler zum Festlegen der Mindestvertrauenswürdigkeit für erkannte Objekte. Höher setzen reduziert False Positives; niedriger kann mehr Treffer, aber weniger sichere Ergebnisse liefern.

• Select Detection Class Dropdown zur Auswahl vordefinierter Klassen-Gruppen (z. B. All, Human, Animals, Indoor, Outdoor). Eine engere Auswahl beschleunigt und fokussiert die Erkennung.

⚙️ Funktionsweise

• Beim Ausführen verarbeitet der Block das eingehende Bild mit dem internen Detektor und wendet die gewählte Confidence- und Klassenfilterung an.

• Das annotierte Bild wird zurückgegeben, zusammen mit strukturierten Ausgaben: Anzahl, Mittelpunkte, Größen, Klassenbezeichnungen und Rechteckkoordinaten.

• Lädt der Detektor noch, zeigt der Block eine informative Meldung an und wartet, bis der Detektor bereit ist, bevor Ergebnisse geliefert werden.

🎯 Funktionen

• Sofort einsatzbereite Objekterkennung für viele gängige Klassen.

• Klassen-Gruppen-Presets, um schnell auf Menschen, Tiere, Indoor- oder Outdoor-Objekte (oder alle Klassen) zu fokussieren.

• Visuelle Annotationen plus detaillierte numerische/strukturierte Ausgaben für Automatisierung oder Protokollierung.

• Einfache Steuerung zur Balance zwischen Sensitivität und Klassenwahl.

📝 Nutzungshinweise

1. Verbinden Sie eine Kamera oder eine Bildquelle mit dem Eingang Image Any.

2. Wählen Sie ein passendes Preset in Select Detection Class, um die Erkennung auf relevante Klassen zu beschränken.

3. Justieren Sie Confidence Threshold %, um das gewünschte Gleichgewicht zwischen verpassten Objekten und False Positives zu erreichen.

4. Verwenden Sie die Ausgänge, um nachfolgende Logik, Tracking, Visualisierung oder Speicherung anzusteuern.

💡 Tipps und Tricks

• Für Live-Kameraeingang nutzen Sie einen der Image-Input-Blöcke wie Camera USB, Camera IP (ONVIF), Stream Reader oder Load Image für Offline-Tests.

• Um Erkennungen in der UI oder einem Dashboard zu zeigen, verbinden Sie das annotierte Bild mit Show Image oder zeichnen Sie Overlays mit Draw Detections.

• Für Tracking über mehrere Frames leiten Sie Erkennungsergebnisse an Object_Detection_Tracker, um stabile IDs und Trajektorien zu erhalten.

• Wenn nur ein bestimmter Bereich wichtig ist, schneiden Sie das Eingangsbild zunächst mit Image ROI oder Image ROI Select, um Fehlalarme zu reduzieren und die Performance zu verbessern.

• Arbeiten Sie mit sehr großen Bildern, verwenden Sie Image Resize oder Image Resizer vor der Erkennung, um die Verarbeitung zu beschleunigen.

• Speichern Sie relevante Frames oder Aufzeichnungen, indem Sie das annotierte Bild an Image Logger, Multi Image Write oder Record Video weiterleiten, wenn eine bestimmte Anzahl oder Klasse erkannt wird. Kombinieren Sie das mit Logikblöcken (z. B. manuellem Logic Input oder Schwellwert-Prüfungen), um nur bei Ereignissen zu speichern.

• Kombinieren Sie mit Analyseblöcken wie Measure Position Distance oder ROI-Prüfungen wie Check Area, um Alarme oder Analysen zu bauen (z. B. Personen in einer Zone zählen oder Abstände messen).

🛠️ Fehlersuche

• Zu viele False Positives: Erhöhen Sie Confidence Threshold % oder wählen Sie eine engere Option in Select Detection Class.

• Erkennung ist langsam: Skalieren Sie das Bild mit Image Resize oder reduzieren Sie die Anzahl der Klassen durch eine engere Klassenauswahl.

• Annotiertes Bild wirkt leer, andere Ausgänge zeigen Erkennungen: Prüfen Sie, ob der Anzeige-Block (z. B. Show Image) korrekt verbunden ist und das annotierte Bild empfängt.