Cadastrar rostos e placas e treinar classes personalizadas

Cadastre rostos e placas ou treine as análises personalizadas para que a IA saiba quem é uma pessoa ou em que estado algo está. O cadastro e o treinamento também funcionam durante a execução.

Cadastrar rostos

Abra Cadastrar em uma linha de condição de rosto ou nas configurações da análise.
Clique em Adicionar nome e digite o nome da pessoa.
Com esse nome selecionado, peça para a pessoa olhar para a câmera e clique em Cadastrar. Os dois olhos precisam estar visíveis. Rostos de perfil não são cadastrados.
Repita cinco vezes ou mais, variando um pouco o ângulo e a expressão.

O painel de cadastro de rostos — O painel de cadastro. Crie o nome primeiro, mantenha-o selecionado e cadastre pela câmera.

Quando uma pessoa é reconhecida como outra, e como bloquear fraudes com fotos

Se uma pessoa for reconhecida como outra, aumente o Limite de rostos e cadastre mais fotos das duas pessoas.

Onde o reconhecimento libera acesso, ative Antifraude nas configurações da análise. Ele rejeita rostos mostrados em fotos ou em telas de celular.

Cadastrar placas

Abra Cadastrar em uma linha de condição de placa.
Digite o número. Se quiser, digite também um apelido. O apelido também pode ser usado como valor-alvo, então uma condição pode usar “van de entregas” em vez do número.
Nas configurações da análise, defina a Região como o país da instalação. Com a região errada, a precisão da leitura continua baixa, qualquer que seja a configuração de confiança.

O painel Placas cadastradas, com os campos de placa e apelido — O cadastro de placas. Cadastre placas com um apelido opcional ou cole uma lista de uma vez com Adicionar em lote.

Cadastrar muitas placas de uma vez

Cole uma lista em Adicionar em lote, uma por linha, só com a placa ou no formato plate,alias.

Treinar a classificação personalizada

Abra Treinar na linha de condição ou nas configurações da análise.
Crie pelo menos duas classes e dê nomes a elas.Com uma só classe, o classificador não tem entre o que escolher, por isso o mínimo são duas.
Selecione uma classe, prepare a cena e capture. Repita para cada classe.
Clique em Treinar e aguarde a conclusão.As amostras adicionadas depois do último treinamento ficam marcadas como não treinadas.

O painel de treinamento. À esquerda, as amostras capturadas da classe selecionada; à direita, a lista de classes.

Treinar a detecção de anomalias personalizada

A detecção de anomalias aprende apenas o estado normal e informa tudo o que se afasta dele. Não são necessárias amostras de falha, então ela também cobre problemas que ainda não aconteceram.

Abra Adicionar amostras normais.
Capture a cena várias vezes enquanto ela está em estado normal.
Clique em Treinar.Quando o treinamento termina, aparece a Distribuição das pontuações normais.

Cuidado A detecção de anomalias é adequada para locais em que o ângulo, a distância e a iluminação da câmera são fixos, como uma estação de inspeção. Onde a cena muda o tempo todo, como um corredor, ela gera alarmes falsos sem parar.

Como interpretar o gráfico de pontuações depois do treinamento

O treinamento gera uma Distribuição das pontuações normais. Leia da esquerda para a direita: quanto mais à direita, mais perto de uma falha, e tudo o que fica à direita da linha vermelha é considerado falha. O treinamento separa cerca de 20% das amostras cadastradas para definir essa linha, por isso o número exibido é menor que o número cadastrado.

O gráfico de distribuição das pontuações normais — Cada ponto é uma das amostras normais separadas para o teste. O treinamento deu certo se nenhum ponto ficar à direita da linha vermelha (a zona de falha).

Distribuição	O que fazer
Pontos agrupados à esquerda da linha	O treinamento deu certo. Nada a fazer.
Alguns pontos depois da linha	Peças normais nessas condições podem ser consideradas com falha. Cadastre mais amostras normais e treine novamente.
Pontos muito espalhados	As amostras foram capturadas com iluminação ou ângulos diferentes. Cadastre mais amostras sob as mesmas condições.