常见问题

Q:人体分析服务如何收费?

A:目前人体分析已上线标准计费功能,各个接口的免费调用额度(调用量和QPS并发),以及产品价格说明,请参考产品价格文档。未上线计费功能的接口,若免费限额不够,可以提交工单、或加入官方QQ群(860337848)联系群管申请提额。

Q:人体分析可以直接分析视频流吗?

A:目前仅支持对静态图片的人体分析,即将陆续开放离线SDK、软硬一体方案,以满足视频流的处理分析需求。

Q:人体分析能支持离线吗?

A:Android端的离线SDK已在邀测中,如有需求,请提交工单或者合作咨询联系我们申请试用。

Q:人体分析支持私有化部署么?

A:支持,可在控制台提交申请:https://console.bce.baidu.com/ai/?fromai=1#/ai/body/package/index,工作人员会在5个工作日内处理对接。

Q:基于企业本地服务器的人体识别对服务器GPU有什么要求?

A:您好,人体分析私有化部署的GPU服务器硬件配置选型推荐请参考:https://ai.baidu.com/docs#/Face_Private/0234d669

Q:人体分析的本地私有部署是否还需要访问公网?

A:人体分析本地私有部署不需要访问公网,无外部网络依赖,在局域网内使用

Q:图片质量会影响识别效果吗?

A:如果图片质量差,会一定程度上影响模型效果。对于超高清图片建议压缩后识别,对于图片质量差的图片,建议提升图片清晰度,推荐分辨率720P以上的图片。

Q:人体关键点识别和人体属性识别都可以检测出人体,二者的区别是什么?

A:人体检测和属性识别,因为要识别属性,检测人体时会先对人体的截断和遮挡做判断,会把存在严重截断、遮挡的人体丢掉,而人体关键点是先对关键点做检测,然后用关键点信息反推出人体检测框,原则上能检测出关键点,就能反推出人体检测框。因此人体检测和属性识别输出的人数,原则上都会≤人体关键点

Q:人体分析可以通过图片得到身高三围具体信息吗?

A:通过人体关键点信息推算肩宽、身高等信息不可行,图片中人体远近、大小有区别,不能进行比例估算

Q:人流统计接口可以实现对单位时间内去重人数的统计吗?

A:请使用人流量统计(动态版)接口。

Q:人流统计对摄像头的高度、角度有什么要求吗?

A:
静态区域人流量统计的摄像头架设的建议:高度3m以上,5m以上为佳,垂直俯拍或者大角度斜拍,需要能拍全区域内的人头,适应人群密集场所。

动态人流量统计的摄像头架设的建议:适用于各种出入口,摄像头高度3m左右为佳,垂直俯拍或斜拍,需要拍到人体头部和肩部,人群过于密集会影响识别效果。

Q:人流统计可以实现指定区域的识别与统计吗?

A:目前接口已支持图片特定框选区域的人数统计,调用接口时设置area参数即可。

Q:人流量统计接口,目前只返回数量和渲染图片,能返回具体人头的坐标集合吗?

A:人流量统计接口模型暂时不支持返回坐标。

Q:人流统计目前在什么场景下效果比较好?

A:目前在室内场景,例如机场、商场、展馆等效果都比较好,室外场景,如交通场景、工地场景等,由于场景差异较大,建议先测试。若效果不理想可以提交工单、或加入官方QQ群(860337848)联系群管。

Q:人流统计在我们的场景下效果不够理想怎么办?

A:目前训练样本主要覆盖室内场景,例如机场、商场等,对于室外场景或是背景较为复杂的场景,可能由于过往训练样本覆盖不全,导致效果不够理想。若效果不理想可以提交工单、或加入官方QQ群(860337848),联系群管反馈问题。

Q:动态人流量分析时,图片与图片之间间隔的最小时间差是多少?是否时间相隔越近,识别正确率越高?

A:不限制最小时间差,最大时差不超过500ms,即:抽祯频率需要大于2fps,建议帧率5fps左右,也就是每200ms抽一帧,不需要太密集,否则并发压力太大。

Q:手势识别可以识别手势的方向么?

A:目前没有动态的手势识别,可以用静态的手势做个替代方案,比如点赞手势(拇指向上)代表向上,diss手势(拇指向下)代表向下,具体支持的手势类别可以参考文档说明:https://cloud.baidu.com/doc/BODY/Body-API.html#.E6.89.8B.E5.8A.BF.E8.AF.86.E5.88.AB

Q:人体识别在车载场景识别效果好吗?

A:百度推出了一款驾驶行为分析服务,可以识别图片中是否有人体(驾驶员)、驾驶员是否在打手机、抽烟等行为,详情参见:https://cloud.baidu.com/product/body/driver

Q:驾驶行为分析的score和threshold代表什么含义?如何使用?

A:score表示属性的置信度,比如抽烟属性的score如果是0.9,说明很大程度上在抽烟;threshold是我们基于内部测试结果,给出的score阈值建议,假设抽烟属性的threshold是0.5,则表示“我们建议score≥0.5时,代表抽烟,score<0.5时,代表没抽烟”。

threshold只是我们给出的建议阈值,仅作为参考,不同业务场景的测试结果可能有差异,需要根据实际测试结果选取合适的阈值,比如您测试了200张抽烟的图片,发现score >0.6时,真实准确率为80%,score>0.8时,真实准确率为90%,那么看看业务上需要多高的准确率,再选择一个合理的score阈值。