सामग्री पर जाएं
For the complete documentation index, see llms.txt. This page is also available as Markdown.

पथ विचलन

वस्तु की संदर्भ पथ से Fréchet दूरी की गणना करें।

v2

ट्रैक किए गए ऑब्जेक्ट की वास्तविक प्रक्षेपवक्र और अपेक्षित संदर्भ पथ के बीच फ्रेचेट दूरी की गणना करके यह मापें कि वे संदर्भ पथ का कितनी निकटता से अनुसरण करते हैं, जिससे पथ अनुपालन निगरानी, मार्ग विचलन पहचान, स्वचालित प्रणालियों में गुणवत्ता नियंत्रण, और व्यवहार विश्लेषण वर्कफ़्लो सक्षम होते हैं.

यह ब्लॉक कैसे काम करता है

यह ब्लॉक विचलन मापने के लिए ट्रैक किए गए ऑब्जेक्ट के वास्तविक गति पथ की तुलना एक पूर्वनिर्धारित संदर्भ पथ से करता है। यह ब्लॉक:

  1. अद्वितीय ट्रैकर आईडी वाले ट्रैक किए गए डिटेक्शन पूर्वानुमान, एम्बेडेड वीडियो मेटाडेटा वाली एक छवि, और एक संदर्भ पथ परिभाषा प्राप्त करता है

  2. छवि से वीडियो मेटाडेटा निकालता है:

    • WorkflowImageData ऑब्जेक्ट से video_metadata तक पहुँचता है

    • विभिन्न वीडियो के लिए अलग पथ ट्रैकिंग स्थिति बनाए रखने हेतु video_identifier निकालता है

    • प्रति वीडियो पथ ट्रैकिंग स्थिति को आरंभ और प्रबंधित करने के लिए वीडियो मेटाडेटा का उपयोग करता है

  3. सत्यापित करता है कि डिटेक्शनों में tracker IDs हैं (फ़्रेमों के बीच वस्तु की गति को ट्रैक करने के लिए आवश्यक)

  4. वीडियो के लिए पथ ट्रैकिंग स्थिति आरंभ या पुनर्प्राप्त करता है:

    • प्रति वीडियो प्रत्येक ट्रैक किए गए ऑब्जेक्ट की स्थितियों का इतिहास बनाए रखता है

    • विभिन्न वीडियो के लिए स्थिति अलग करने हेतु video_identifier का उपयोग करके ऑब्जेक्ट पथ संग्रहीत करता है

    • पहली बार दिखाई देने वाले ऑब्जेक्ट के लिए नए पथ ट्रैकिंग प्रविष्टियाँ बनाता है

  5. प्रत्येक डिटेक्शन के लिए एंकर बिंदु के निर्देशांक निकालता है:

    • यह निर्धारित करने के लिए triggering_anchor का उपयोग करता है कि बाउंडिंग बॉक्स पर किस बिंदु को ट्रैक करना है (डिफ़ॉल्ट: CENTER)

    • वर्तमान फ्रेम में प्रत्येक डिटेक्शन के लिए एंकर बिंदु के (x, y) निर्देशांक प्राप्त करता है

    • एंकर बिंदु उस ऑब्जेक्ट की स्थिति को दर्शाता है जिसका उपयोग पथ तुलना के लिए किया जाता है

  6. समय के साथ ऑब्जेक्ट पथों को संचित करता है:

    • जैसे-जैसे फ्रेम संसाधित होते हैं, प्रत्येक ऑब्जेक्ट के एंकर बिंदु को उसके पथ इतिहास में जोड़ता है

    • प्रत्येक अद्वितीय tracker_id के लिए अलग पथ इतिहास बनाए रखता है

    • सभी संसाधित फ्रेमों में स्थितियों को संचित करके पूर्ण प्रक्षेपवक्र पथ बनाता है

  7. प्रत्येक ट्रैक किए गए ऑब्जेक्ट के लिए फ्रेचेट दूरी की गणना करता है:

    • फ्रेचेट दूरी: बिंदुओं के स्थान और क्रम दोनों को ध्यान में रखते हुए दो वक्रों (पथों) के बीच समानता मापता है

    • ऑब्जेक्ट के संचित पथ (वास्तविक प्रक्षेपवक्र) की तुलना संदर्भ पथ (अपेक्षित प्रक्षेपवक्र) से करता है

    • दोनों पथों को एक साथ पार करने के लिए आवश्यक न्यूनतम "लीश लंबाई" की गणना करने हेतु डायनेमिक प्रोग्रामिंग का उपयोग करता है

    • प्रत्येक पथ के साथ बिंदुओं के क्रम को भी ध्यान में रखता है, केवल बिंदु-दर-बिंदु दूरी को नहीं

    • कम मान दर्शाते हैं कि ऑब्जेक्ट संदर्भ पथ का निकटता से अनुसरण करता है, अधिक मान अधिक विचलन दर्शाते हैं

  8. डिटेक्शन मेटाडेटा में पथ विचलन संग्रहीत करता है:

    • प्रत्येक डिटेक्शन के मेटाडेटा में फ्रेचेट दूरी मान जोड़ता है

    • प्रत्येक डिटेक्शन में path_deviation शामिल होता है, जो दर्शाता है कि वह संदर्भ पथ से कितना विचलित है

    • दूरी पिक्सेल में मापी जाती है (छवि निर्देशांकों के समान इकाइयों में)

  9. स्थायी पथ ट्रैकिंग बनाए रखता है:

    • पूरे वीडियो के लिए फ्रेमों के साथ पथ इतिहास संचित होता है

    • प्रत्येक ऑब्जेक्ट का विचलन ट्रैकिंग की शुरुआत से उसके पूर्ण पथ के आधार पर गणना किया जाता है

    • प्रत्येक video_identifier के लिए अलग ट्रैकिंग स्थिति बनाए रखी जाती है

  10. पथ विचलन जानकारी से संवर्धित डिटेक्शन लौटाता है:

    • जोड़ा गया path_deviation मेटाडेटा वाले डिटेक्शन ऑब्जेक्ट्स आउटपुट करता है

    • अब प्रत्येक डिटेक्शन में फ्रेचेट दूरी शामिल होती है, जो संदर्भ पथ से उसके विचलन को मापती है

फ्रेचेट दूरी एक मीट्रिक है जो दो वक्रों के बीच समानता को मापता है, इसके लिए ऐसे "लीश" की न्यूनतम लंबाई खोजी जाती है जो एक वक्र पर चलने वाले बिंदु को दूसरे वक्र पर चलने वाले बिंदु से जोड़ती है, जहाँ दोनों बिंदु अपने-अपने वक्रों के साथ आगे बढ़ते हैं। साधारण यूक्लिडियन दूरी के विपरीत, फ्रेचेट दूरी पथों के साथ बिंदुओं के क्रम और निरंतरता को ध्यान में रखती है, जिससे यह उन प्रक्षेपवक्रों की तुलना के लिए आदर्श है जहाँ गति का क्रम महत्वपूर्ण होता है। जो ऑब्जेक्ट संदर्भ पथ का बिल्कुल पालन करता है, उसकी फ्रेचेट दूरी 0 होगी, जबकि जो ऑब्जेक्ट्स काफी विचलित होते हैं, उनकी दूरी अधिक होगी.

सामान्य उपयोग मामले

  • पथ अनुपालन निगरानी: वाहनों, रोबोटों, या ऑब्जेक्ट्स के पूर्वनिर्धारित मार्गों का पालन करने की निगरानी करें (जैसे, सत्यापित करें कि वाहन लेन में बने रहें, जाँचें कि रोबोट प्रोग्राम किए गए पथों का पालन करें, सुनिश्चित करें कि ऑब्जेक्ट्स अपेक्षित मार्गों का अनुसरण करें), जिससे अनुपालन निगरानी वर्कफ़्लो सक्षम होते हैं

  • गुणवत्ता नियंत्रण: विनिर्माण या असेंबली प्रक्रियाओं में ऐसे विचलनों का पता लगाएँ जहाँ ऑब्जेक्ट्स को विशिष्ट पथों का पालन करना चाहिए (जैसे, कन्वेयर बेल्ट विचलन का पता लगाएँ, असेंबली लाइन पथों की निगरानी करें, उत्पाद गति पैटर्न की जाँच करें), जिससे गुणवत्ता नियंत्रण वर्कफ़्लो सक्षम होते हैं

  • यातायात विश्लेषण: वाहन गति पैटर्न का विश्लेषण करें और लेन से बाहर निकलने या मार्ग विचलन का पता लगाएँ (जैसे, लेन छोड़ते वाहनों का पता लगाएँ, मार्ग अनुपालन की निगरानी करें, यातायात पैटर्न अनुपालन का विश्लेषण करें), जिससे ट्रैफ़िक विश्लेषण वर्कफ़्लो सक्षम होते हैं

  • सुरक्षा निगरानी: सुरक्षा परिदृश्यों में संदिग्ध गति पैटर्न या अपेक्षित पथों से विचलन का पता लगाएँ (जैसे, अनधिकृत मार्ग विचलन का पता लगाएँ, परिधि उल्लंघन के प्रयासों की निगरानी करें, गति अनुपालन को ट्रैक करें), जिससे सुरक्षा निगरानी वर्कफ़्लो सक्षम होते हैं

  • स्वचालित प्रणालियाँ: निगरानी करें और सत्यापित करें कि स्वचालित प्रणालियाँ (रोबोट, AGV, ड्रोन) अपेक्षित पथों का सही ढंग से पालन करती हैं (जैसे, रोबोट नेविगेशन सटीकता सत्यापित करें, स्वचालित वाहन पथों की जाँच करें, ड्रोन उड़ान पथों को मान्य करें), जिससे स्वचालित प्रणाली सत्यापन वर्कफ़्लो सक्षम होते हैं

  • व्यवहार विश्लेषण: गति पैटर्न और पथ अनुपालन का अध्ययन व्यवहार अनुसंधान में करें (जैसे, पशु गति पैटर्न का विश्लेषण करें, पथ-पालन व्यवहार का अध्ययन करें, मार्ग वरीयता विचलन मापें), जिससे व्यवहार अनुसंधान वर्कफ़्लो सक्षम होते हैं

अन्य ब्लॉक्स से जोड़ना

यह ब्लॉक ट्रैक किए गए डिटेक्शन, एम्बेडेड वीडियो मेटाडेटा वाली एक छवि, और एक संदर्भ पथ प्राप्त करता है, और path_deviation मेटाडेटा से संवर्धित डिटेक्शन उत्पन्न करता है:

  • Byte Tracker ब्लॉकों के बाद ट्रैक किए गए ऑब्जेक्ट्स के लिए पथ विचलन मापने के लिए (जैसे, ट्रैक किए गए वाहन के पथ अनुपालन को मापें, ट्रैक किए गए व्यक्ति के मार्ग अनुपालन का विश्लेषण करें, ट्रैक किए गए ऑब्जेक्ट के पथ विचलनों की निगरानी करें), जिससे ट्रैकिंग-से-पथ विश्लेषण वर्कफ़्लो सक्षम होते हैं

  • ऑब्जेक्ट डिटेक्शन या इंस्टेंस सेगमेंटेशन ब्लॉकों के बाद गति पथों का विश्लेषण करने के लिए ट्रैकिंग सक्षम के साथ (जैसे, वाहन पथों का विश्लेषण करें, ऑब्जेक्ट मार्ग अनुपालन को ट्रैक करें, पथ विचलन मापें), जिससे डिटेक्शन-से-पथ विश्लेषण वर्कफ़्लो सक्षम होते हैं

  • विज़ुअलाइज़ेशन ब्लॉकों से पहले पथ विचलन जानकारी प्रदर्शित करने के लिए (जैसे, पथों और विचलनों का दृश्यांकन करें, संदर्भ और वास्तविक पथ दिखाएँ, विचलन मीट्रिक्स प्रदर्शित करें), जिससे पथ विचलन दृश्यांकन वर्कफ़्लो सक्षम होते हैं

  • लॉजिक ब्लॉकों से पहले जैसे Continue If, ताकि पथ विचलन सीमाओं के आधार पर निर्णय लिए जा सकें (जैसे, यदि विचलन सीमा से अधिक हो तो जारी रखें, पथ अनुपालन के आधार पर फ़िल्टर करें, मार्ग उल्लंघन पर क्रियाएँ ट्रिगर करें), जिससे पथ-आधारित निर्णय वर्कफ़्लो सक्षम होते हैं

  • सूचना ब्लॉक्स से पहले पथ विचलनों या अनुपालन उल्लंघनों पर अलर्ट देने के लिए (जैसे, मार्ग विचलनों पर अलर्ट दें, पथ अनुपालन समस्याओं की सूचना दें, विचलन-आधारित अलर्ट ट्रिगर करें), जिससे पथ-आधारित सूचना वर्कफ़्लो सक्षम होते हैं

  • डेटा संग्रहण ब्लॉक्स से पहले पथ विचलन मापों को रिकॉर्ड करने के लिए (जैसे, पथ अनुपालन डेटा लॉग करें, विचलन सांख्यिकी संग्रहीत करें, मार्ग अनुपालन मीट्रिक्स रिकॉर्ड करें), जिससे पथ विचलन डेटा लॉगिंग वर्कफ़्लो सक्षम होते हैं

संस्करणों के अंतर

v1 से उन्नत:

  • सरल इनपुट: उपयोग करता है छवि ऐसा input जिसमें एम्बेडेड वीडियो मेटाडेटा शामिल है, बजाय इसके कि एक अलग मेटाडेटा field की आवश्यकता हो, जिससे वर्कफ़्लो कनेक्शन सरल होते हैं और इनपुट जटिलता कम होती है

  • बेहतर एकीकरण: इमेज-आधारित वर्कफ़्लो के साथ बेहतर एकीकरण, क्योंकि वीडियो मेटाडेटा को अलग मेटाडेटा इनपुट की आवश्यकता के बजाय सीधे इमेज ऑब्जेक्ट से एक्सेस किया जाता है

आवश्यकताएँ

इस ब्लॉक के लिए tracker_id जानकारी वाले ट्रैक किए गए डिटेक्शन आवश्यक हैं (डिटेक्शन Byte Tracker जैसे किसी ट्रैकिंग ब्लॉक से आने चाहिए)। संदर्भ पथ को कम से कम 2 बिंदुओं की सूची के रूप में परिभाषित किया जाना चाहिए, जहाँ प्रत्येक बिंदु बिल्कुल 2 निर्देशांकों (x, y) वाला एक टपल या सूची हो। अलग-अलग वीडियो के लिए अलग पथ ट्रैकिंग स्थिति बनाए रखने हेतु छवि के video_metadata में video_identifier शामिल होना चाहिए। यह ब्लॉक प्रत्येक वीडियो के लिए फ्रेमों के साथ स्थायी पथ ट्रैकिंग बनाए रखता है, पूर्ण प्रक्षेपवक्रों को संचित करता है, इसलिए इसका उपयोग वीडियो वर्कफ़्लो में किया जाना चाहिए जहाँ फ्रेम क्रमवार संसाधित होते हैं। सटीक पथ विचलन माप के लिए, वैध ट्रैकर आईडी के साथ डिटेक्शन लगातार फ्रेमों में दिए जाने चाहिए। फ्रेचेट दूरी पिक्सेल में गणना की जाती है (छवि निर्देशांकों के समान इकाइयों में).

प्रकार पहचानकर्ता

चरण में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फ़ील्ड: roboflow_core/path_deviation_analytics@v2 ताकि ब्लॉक को अपने वर्कफ़्लो में एक चरण के रूप में जोड़ा जा सके।

गुण

नाम

प्रकार

विवरण

संदर्भ

नाम

str

इस चरण के लिए एक अद्वितीय पहचानकर्ता दर्ज करें..

❌

triggering_anchor

str

पथ गणना के लिए ऑब्जेक्ट की स्थिति को ट्रैक करने हेतु बाउंडिंग बॉक्स पर स्थित बिंदु। विकल्पों में CENTER (डिफ़ॉल्ट), BOTTOM_CENTER, TOP_CENTER, CENTER_LEFT, CENTER_RIGHT, आदि शामिल हैं। इस एंकर बिंदु के निर्देशांक फ्रेमों के साथ संचित किए जाते हैं ताकि ऑब्जेक्ट का प्रक्षेपवक्र पथ बनाया जा सके, जिसकी तुलना फ्रेचेट दूरी का उपयोग करके संदर्भ पथ से की जाती है..

✅

reference_path

List[Any]

अपेक्षित संदर्भ पथ कम से कम 2 बिंदुओं की सूची के रूप में, जहाँ प्रत्येक बिंदु [x, y] निर्देशांकों वाला एक टपल या सूची हो। उदाहरण: [(100, 200), (200, 300), (300, 400)] 3 बिंदुओं वाला एक पथ परिभाषित करता है। फ्रेचेट दूरी मापती है कि ट्रैक किए गए ऑब्जेक्ट इस संदर्भ पथ का कितनी निकटता से पालन करते हैं। बिंदुओं का क्रम अपेक्षित प्रक्षेपवक्र के अनुसार होना चाहिए..

✅

यह संदर्भ कॉलम उस संभावना को चिह्नित करता है कि प्रॉपर्टी को गतिशील मानों के साथ पैरामीटराइज़ किया जा सकता है, जो उपलब्ध हैं वर्कफ़्लो रनटाइम में। देखें बाइंडिंग्स अधिक जानकारी के लिए।

रनटाइम संगतता

सॉफ्ट - रनटाइम hosted_serverless, dedicated_deployment; निष्पादन रिमोट; इनपुट वीडियो : ब्लॉक प्रति-वीडियो स्थिति को प्रक्रिया मेमोरी में बनाए रखता है (video_metadata.video_identifier द्वारा key किया गया)। Stateless या multi-replica HTTP runtimes पर remote step execution के साथ, क्रमिक अनुरोध अलग-अलग worker processes द्वारा सर्व किए जा सकते हैं, इसलिए calls के बीच state reset हो जाता है और tracking / counting / aggregation के लिए output अर्थहीन हो जाता है। स्थिर cross-frame results के लिए InferencePipeline में local step execution का उपयोग करें।

सॉफ्ट - इनपुट छवि : ब्लॉक वीडियो या repeated-frame workflows से प्राप्त temporal context पर निर्भर करता है। एक स्थिर image/photo के साथ, ट्रैक करने, तुलना करने, एकत्रित करने या दृश्यीकृत करने के लिए कोई अर्थपूर्ण history नहीं होती, इसलिए यह ब्लॉक बहुत कम या कोई लाभ नहीं देता।

इनपुट और आउटपुट बाइंडिंग्स

उपलब्ध कनेक्शन इसके बाइंडिंग प्रकारों पर निर्भर करते हैं। जाँचें कि कौन-से बाइंडिंग प्रकार पथ विचलन संस्करण में v2 हैं।

इनपुट और आउटपुट बाइंडिंग्स
  • इनपुट

    • छवि (छवि): एम्बेडेड वीडियो मेटाडेटा वाली छवि। video_metadata में अलग-अलग वीडियो के लिए अलग पथ ट्रैकिंग स्थिति बनाए रखने हेतु video_identifier शामिल होता है। फ्रेमों के साथ स्थायी पथ संचयन के लिए आवश्यक..

    • डिटेक्शंस (Union[instance_segmentation_prediction, object_detection_prediction]): ट्रैक किए गए ऑब्जेक्ट की डिटेक्शन या इंस्टेंस सेगमेंटेशन भविष्यवाणियाँ। इनमें ट्रैकिंग ब्लॉक से tracker_id जानकारी शामिल होनी चाहिए। यह ब्लॉक ऑब्जेक्ट प्रक्षेपवक्र बनाने के लिए फ्रेमों के साथ एंकर बिंदु की स्थितियों को ट्रैक करता है और उनकी तुलना संदर्भ पथ से करता है। आउटपुट डिटेक्शन में path_deviation मेटाडेटा शामिल होता है जिसमें संदर्भ पथ से फ्रेचेट दूरी होती है..

    • triggering_anchor (string): पथ गणना के लिए ऑब्जेक्ट की स्थिति को ट्रैक करने हेतु बाउंडिंग बॉक्स पर स्थित बिंदु। विकल्पों में CENTER (डिफ़ॉल्ट), BOTTOM_CENTER, TOP_CENTER, CENTER_LEFT, CENTER_RIGHT, आदि शामिल हैं। इस एंकर बिंदु के निर्देशांक फ्रेमों के साथ संचित किए जाते हैं ताकि ऑब्जेक्ट का प्रक्षेपवक्र पथ बनाया जा सके, जिसकी तुलना फ्रेचेट दूरी का उपयोग करके संदर्भ पथ से की जाती है..

    • reference_path (list_of_values): अपेक्षित संदर्भ पथ कम से कम 2 बिंदुओं की सूची के रूप में, जहाँ प्रत्येक बिंदु [x, y] निर्देशांकों वाला एक टपल या सूची हो। उदाहरण: [(100, 200), (200, 300), (300, 400)] 3 बिंदुओं वाला एक पथ परिभाषित करता है। फ्रेचेट दूरी मापती है कि ट्रैक किए गए ऑब्जेक्ट इस संदर्भ पथ का कितनी निकटता से पालन करते हैं। बिंदुओं का क्रम अपेक्षित प्रक्षेपवक्र के अनुसार होना चाहिए..

  • आउटपुट

    • path_deviation_detections (Union[object_detection_prediction, instance_segmentation_prediction]): यदि हो तो sv.Detections(...) ऑब्जेक्ट के रूप में पता लगाए गए बाउंडिंग बॉक्स वाली भविष्यवाणी object_detection_prediction या यदि हो तो sv.Detections(...) ऑब्जेक्ट के रूप में पता लगाए गए बाउंडिंग बॉक्स और सेगमेंटेशन मास्क वाली भविष्यवाणी instance_segmentation_prediction.

उदाहरण JSON परिभाषा

v1

ट्रैक किए गए ऑब्जेक्ट की वास्तविक प्रक्षेपवक्र और अपेक्षित संदर्भ पथ के बीच फ्रेचेट दूरी की गणना करके यह मापें कि वे संदर्भ पथ का कितनी निकटता से अनुसरण करते हैं, जिससे पथ अनुपालन निगरानी, मार्ग विचलन पहचान, स्वचालित प्रणालियों में गुणवत्ता नियंत्रण, और व्यवहार विश्लेषण वर्कफ़्लो सक्षम होते हैं.

यह ब्लॉक कैसे काम करता है

यह ब्लॉक विचलन मापने के लिए ट्रैक किए गए ऑब्जेक्ट के वास्तविक गति पथ की तुलना एक पूर्वनिर्धारित संदर्भ पथ से करता है। यह ब्लॉक:

  1. अद्वितीय ट्रैकर आईडी, वीडियो मेटाडेटा, और एक संदर्भ पथ परिभाषा वाले ट्रैक किए गए डिटेक्शन पूर्वानुमान प्राप्त करता है

  2. सत्यापित करता है कि डिटेक्शनों में tracker IDs हैं (फ़्रेमों के बीच वस्तु की गति को ट्रैक करने के लिए आवश्यक)

  3. वीडियो के लिए पथ ट्रैकिंग स्थिति आरंभ या पुनर्प्राप्त करता है:

    • प्रति वीडियो प्रत्येक ट्रैक किए गए ऑब्जेक्ट की स्थितियों का इतिहास बनाए रखता है

    • विभिन्न वीडियो के लिए स्थिति अलग करने हेतु video_identifier का उपयोग करके ऑब्जेक्ट पथ संग्रहीत करता है

    • पहली बार दिखाई देने वाले ऑब्जेक्ट के लिए नए पथ ट्रैकिंग प्रविष्टियाँ बनाता है

  4. प्रत्येक डिटेक्शन के लिए एंकर बिंदु के निर्देशांक निकालता है:

    • यह निर्धारित करने के लिए triggering_anchor का उपयोग करता है कि बाउंडिंग बॉक्स पर किस बिंदु को ट्रैक करना है (डिफ़ॉल्ट: CENTER)

    • वर्तमान फ्रेम में प्रत्येक डिटेक्शन के लिए एंकर बिंदु के (x, y) निर्देशांक प्राप्त करता है

    • एंकर बिंदु उस ऑब्जेक्ट की स्थिति को दर्शाता है जिसका उपयोग पथ तुलना के लिए किया जाता है

  5. समय के साथ ऑब्जेक्ट पथों को संचित करता है:

    • जैसे-जैसे फ्रेम संसाधित होते हैं, प्रत्येक ऑब्जेक्ट के एंकर बिंदु को उसके पथ इतिहास में जोड़ता है

    • प्रत्येक अद्वितीय tracker_id के लिए अलग पथ इतिहास बनाए रखता है

    • सभी संसाधित फ्रेमों में स्थितियों को संचित करके पूर्ण प्रक्षेपवक्र पथ बनाता है

  6. प्रत्येक ट्रैक किए गए ऑब्जेक्ट के लिए फ्रेचेट दूरी की गणना करता है:

    • फ्रेचेट दूरी: बिंदुओं के स्थान और क्रम दोनों को ध्यान में रखते हुए दो वक्रों (पथों) के बीच समानता मापता है

    • ऑब्जेक्ट के संचित पथ (वास्तविक प्रक्षेपवक्र) की तुलना संदर्भ पथ (अपेक्षित प्रक्षेपवक्र) से करता है

    • दोनों पथों को एक साथ पार करने के लिए आवश्यक न्यूनतम "लीश लंबाई" की गणना करने हेतु डायनेमिक प्रोग्रामिंग का उपयोग करता है

    • प्रत्येक पथ के साथ बिंदुओं के क्रम को भी ध्यान में रखता है, केवल बिंदु-दर-बिंदु दूरी को नहीं

    • कम मान दर्शाते हैं कि ऑब्जेक्ट संदर्भ पथ का निकटता से अनुसरण करता है, अधिक मान अधिक विचलन दर्शाते हैं

  7. डिटेक्शन मेटाडेटा में पथ विचलन संग्रहीत करता है:

    • प्रत्येक डिटेक्शन के मेटाडेटा में फ्रेचेट दूरी मान जोड़ता है

    • प्रत्येक डिटेक्शन में path_deviation शामिल होता है, जो दर्शाता है कि वह संदर्भ पथ से कितना विचलित है

    • दूरी पिक्सेल में मापी जाती है (छवि निर्देशांकों के समान इकाइयों में)

  8. स्थायी पथ ट्रैकिंग बनाए रखता है:

    • पूरे वीडियो के लिए फ्रेमों के साथ पथ इतिहास संचित होता है

    • प्रत्येक ऑब्जेक्ट का विचलन ट्रैकिंग की शुरुआत से उसके पूर्ण पथ के आधार पर गणना किया जाता है

    • प्रत्येक video_identifier के लिए अलग ट्रैकिंग स्थिति बनाए रखी जाती है

  9. पथ विचलन जानकारी से संवर्धित डिटेक्शन लौटाता है:

    • जोड़ा गया path_deviation मेटाडेटा वाले डिटेक्शन ऑब्जेक्ट्स आउटपुट करता है

    • अब प्रत्येक डिटेक्शन में फ्रेचेट दूरी शामिल होती है, जो संदर्भ पथ से उसके विचलन को मापती है

फ्रेचेट दूरी एक मीट्रिक है जो दो वक्रों के बीच समानता को मापता है, इसके लिए ऐसे "लीश" की न्यूनतम लंबाई खोजी जाती है जो एक वक्र पर चलने वाले बिंदु को दूसरे वक्र पर चलने वाले बिंदु से जोड़ती है, जहाँ दोनों बिंदु अपने-अपने वक्रों के साथ आगे बढ़ते हैं। साधारण यूक्लिडियन दूरी के विपरीत, फ्रेचेट दूरी पथों के साथ बिंदुओं के क्रम और निरंतरता को ध्यान में रखती है, जिससे यह उन प्रक्षेपवक्रों की तुलना के लिए आदर्श है जहाँ गति का क्रम महत्वपूर्ण होता है। जो ऑब्जेक्ट संदर्भ पथ का बिल्कुल पालन करता है, उसकी फ्रेचेट दूरी 0 होगी, जबकि जो ऑब्जेक्ट्स काफी विचलित होते हैं, उनकी दूरी अधिक होगी.

सामान्य उपयोग मामले

  • पथ अनुपालन निगरानी: वाहनों, रोबोटों, या ऑब्जेक्ट्स के पूर्वनिर्धारित मार्गों का पालन करने की निगरानी करें (जैसे, सत्यापित करें कि वाहन लेन में बने रहें, जाँचें कि रोबोट प्रोग्राम किए गए पथों का पालन करें, सुनिश्चित करें कि ऑब्जेक्ट्स अपेक्षित मार्गों का अनुसरण करें), जिससे अनुपालन निगरानी वर्कफ़्लो सक्षम होते हैं

  • गुणवत्ता नियंत्रण: विनिर्माण या असेंबली प्रक्रियाओं में ऐसे विचलनों का पता लगाएँ जहाँ ऑब्जेक्ट्स को विशिष्ट पथों का पालन करना चाहिए (जैसे, कन्वेयर बेल्ट विचलन का पता लगाएँ, असेंबली लाइन पथों की निगरानी करें, उत्पाद गति पैटर्न की जाँच करें), जिससे गुणवत्ता नियंत्रण वर्कफ़्लो सक्षम होते हैं

  • यातायात विश्लेषण: वाहन गति पैटर्न का विश्लेषण करें और लेन से बाहर निकलने या मार्ग विचलन का पता लगाएँ (जैसे, लेन छोड़ते वाहनों का पता लगाएँ, मार्ग अनुपालन की निगरानी करें, यातायात पैटर्न अनुपालन का विश्लेषण करें), जिससे ट्रैफ़िक विश्लेषण वर्कफ़्लो सक्षम होते हैं

  • सुरक्षा निगरानी: सुरक्षा परिदृश्यों में संदिग्ध गति पैटर्न या अपेक्षित पथों से विचलन का पता लगाएँ (जैसे, अनधिकृत मार्ग विचलन का पता लगाएँ, परिधि उल्लंघन के प्रयासों की निगरानी करें, गति अनुपालन को ट्रैक करें), जिससे सुरक्षा निगरानी वर्कफ़्लो सक्षम होते हैं

  • स्वचालित प्रणालियाँ: निगरानी करें और सत्यापित करें कि स्वचालित प्रणालियाँ (रोबोट, AGV, ड्रोन) अपेक्षित पथों का सही ढंग से पालन करती हैं (जैसे, रोबोट नेविगेशन सटीकता सत्यापित करें, स्वचालित वाहन पथों की जाँच करें, ड्रोन उड़ान पथों को मान्य करें), जिससे स्वचालित प्रणाली सत्यापन वर्कफ़्लो सक्षम होते हैं

  • व्यवहार विश्लेषण: गति पैटर्न और पथ अनुपालन का अध्ययन व्यवहार अनुसंधान में करें (जैसे, पशु गति पैटर्न का विश्लेषण करें, पथ-पालन व्यवहार का अध्ययन करें, मार्ग वरीयता विचलन मापें), जिससे व्यवहार अनुसंधान वर्कफ़्लो सक्षम होते हैं

अन्य ब्लॉक्स से जोड़ना

यह ब्लॉक ट्रैक किए गए डिटेक्शन, वीडियो मेटाडेटा, और एक संदर्भ पथ प्राप्त करता है, और path_deviation मेटाडेटा से संवर्धित डिटेक्शन उत्पन्न करता है:

  • Byte Tracker ब्लॉकों के बाद ट्रैक किए गए ऑब्जेक्ट्स के लिए पथ विचलन मापने के लिए (जैसे, ट्रैक किए गए वाहन के पथ अनुपालन को मापें, ट्रैक किए गए व्यक्ति के मार्ग अनुपालन का विश्लेषण करें, ट्रैक किए गए ऑब्जेक्ट के पथ विचलनों की निगरानी करें), जिससे ट्रैकिंग-से-पथ विश्लेषण वर्कफ़्लो सक्षम होते हैं

  • ऑब्जेक्ट डिटेक्शन या इंस्टेंस सेगमेंटेशन ब्लॉकों के बाद गति पथों का विश्लेषण करने के लिए ट्रैकिंग सक्षम के साथ (जैसे, वाहन पथों का विश्लेषण करें, ऑब्जेक्ट मार्ग अनुपालन को ट्रैक करें, पथ विचलन मापें), जिससे डिटेक्शन-से-पथ विश्लेषण वर्कफ़्लो सक्षम होते हैं

  • विज़ुअलाइज़ेशन ब्लॉकों से पहले पथ विचलन जानकारी प्रदर्शित करने के लिए (जैसे, पथों और विचलनों का दृश्यांकन करें, संदर्भ और वास्तविक पथ दिखाएँ, विचलन मीट्रिक्स प्रदर्शित करें), जिससे पथ विचलन दृश्यांकन वर्कफ़्लो सक्षम होते हैं

  • लॉजिक ब्लॉकों से पहले जैसे Continue If, ताकि पथ विचलन सीमाओं के आधार पर निर्णय लिए जा सकें (जैसे, यदि विचलन सीमा से अधिक हो तो जारी रखें, पथ अनुपालन के आधार पर फ़िल्टर करें, मार्ग उल्लंघन पर क्रियाएँ ट्रिगर करें), जिससे पथ-आधारित निर्णय वर्कफ़्लो सक्षम होते हैं

  • सूचना ब्लॉक्स से पहले पथ विचलनों या अनुपालन उल्लंघनों पर अलर्ट देने के लिए (जैसे, मार्ग विचलनों पर अलर्ट दें, पथ अनुपालन समस्याओं की सूचना दें, विचलन-आधारित अलर्ट ट्रिगर करें), जिससे पथ-आधारित सूचना वर्कफ़्लो सक्षम होते हैं

  • डेटा संग्रहण ब्लॉक्स से पहले पथ विचलन मापों को रिकॉर्ड करने के लिए (जैसे, पथ अनुपालन डेटा लॉग करें, विचलन सांख्यिकी संग्रहीत करें, मार्ग अनुपालन मीट्रिक्स रिकॉर्ड करें), जिससे पथ विचलन डेटा लॉगिंग वर्कफ़्लो सक्षम होते हैं

आवश्यकताएँ

इस ब्लॉक के लिए tracker_id जानकारी वाले ट्रैक किए गए डिटेक्शन आवश्यक हैं (डिटेक्शन Byte Tracker जैसे किसी ट्रैकिंग ब्लॉक से आने चाहिए)। संदर्भ पथ को कम से कम 2 बिंदुओं की सूची के रूप में परिभाषित किया जाना चाहिए, जहाँ प्रत्येक बिंदु बिल्कुल 2 निर्देशांकों (x, y) वाला एक टपल या सूची हो। ब्लॉक के लिए अलग-अलग वीडियो के लिए अलग पथ ट्रैकिंग स्थिति बनाए रखने हेतु video_identifier वाले वीडियो मेटाडेटा की आवश्यकता होती है। यह ब्लॉक प्रत्येक वीडियो के लिए फ्रेमों के साथ स्थायी पथ ट्रैकिंग बनाए रखता है, पूर्ण प्रक्षेपवक्रों को संचित करता है, इसलिए इसका उपयोग वीडियो वर्कफ़्लो में किया जाना चाहिए जहाँ फ्रेम क्रमवार संसाधित होते हैं। सटीक पथ विचलन माप के लिए, वैध ट्रैकर आईडी के साथ डिटेक्शन लगातार फ्रेमों में दिए जाने चाहिए। फ्रेचेट दूरी पिक्सेल में गणना की जाती है (छवि निर्देशांकों के समान इकाइयों में).

प्रकार पहचानकर्ता

चरण में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फ़ील्ड: roboflow_core/path_deviation_analytics@v1 ताकि ब्लॉक को अपने वर्कफ़्लो में एक चरण के रूप में जोड़ा जा सके।

गुण

नाम

प्रकार

विवरण

संदर्भ

नाम

str

इस चरण के लिए एक अद्वितीय पहचानकर्ता दर्ज करें..

❌

triggering_anchor

str

पथ गणना के लिए ऑब्जेक्ट की स्थिति को ट्रैक करने हेतु बाउंडिंग बॉक्स पर स्थित बिंदु। विकल्प: CENTER (डिफ़ॉल्ट), BOTTOM_CENTER, TOP_CENTER, CENTER_LEFT, CENTER_RIGHT, आदि। इस एंकर बिंदु के निर्देशांक फ्रेमों के साथ संचित किए जाते हैं ताकि ऑब्जेक्ट का प्रक्षेपवक्र पथ बनाया जा सके, जिसकी तुलना फ्रेचेट दूरी का उपयोग करके संदर्भ पथ से की जाती है..

✅

reference_path

List[Any]

अपेक्षित संदर्भ पथ कम से कम 2 बिंदुओं की सूची के रूप में, जहाँ प्रत्येक बिंदु [x, y] निर्देशांकों वाला एक टपल या सूची हो। उदाहरण: [(100, 200), (200, 300), (300, 400)] 3 बिंदुओं वाला एक पथ परिभाषित करता है। फ्रेचेट दूरी मापती है कि ट्रैक किए गए ऑब्जेक्ट इस संदर्भ पथ का कितनी निकटता से पालन करते हैं। बिंदुओं का क्रम अपेक्षित प्रक्षेपवक्र के अनुसार होना चाहिए..

✅

यह संदर्भ कॉलम उस संभावना को चिह्नित करता है कि प्रॉपर्टी को गतिशील मानों के साथ पैरामीटराइज़ किया जा सकता है, जो उपलब्ध हैं वर्कफ़्लो रनटाइम में। देखें बाइंडिंग्स अधिक जानकारी के लिए।

रनटाइम संगतता

सॉफ्ट - रनटाइम hosted_serverless, dedicated_deployment; निष्पादन रिमोट; इनपुट वीडियो : ब्लॉक प्रति-वीडियो स्थिति को प्रक्रिया मेमोरी में बनाए रखता है (video_metadata.video_identifier द्वारा key किया गया)। Stateless या multi-replica HTTP runtimes पर remote step execution के साथ, क्रमिक अनुरोध अलग-अलग worker processes द्वारा सर्व किए जा सकते हैं, इसलिए calls के बीच state reset हो जाता है और tracking / counting / aggregation के लिए output अर्थहीन हो जाता है। स्थिर cross-frame results के लिए InferencePipeline में local step execution का उपयोग करें।

सॉफ्ट - इनपुट छवि : ब्लॉक वीडियो या repeated-frame workflows से प्राप्त temporal context पर निर्भर करता है। एक स्थिर image/photo के साथ, ट्रैक करने, तुलना करने, एकत्रित करने या दृश्यीकृत करने के लिए कोई अर्थपूर्ण history नहीं होती, इसलिए यह ब्लॉक बहुत कम या कोई लाभ नहीं देता।

इनपुट और आउटपुट बाइंडिंग्स

उपलब्ध कनेक्शन इसके बाइंडिंग प्रकारों पर निर्भर करते हैं। जाँचें कि कौन-से बाइंडिंग प्रकार पथ विचलन संस्करण में v1 हैं।

इनपुट और आउटपुट बाइंडिंग्स
  • इनपुट

    • मेटाडेटा (वीडियो_मेटाडेटा): वीडियो मेटाडेटा जिसमें विभिन्न वीडियो के लिए अलग पथ ट्रैकिंग स्थिति बनाए रखने हेतु video_identifier शामिल होता है। फ्रेमों के साथ स्थायी पथ संचयन के लिए आवश्यक..

    • डिटेक्शंस (Union[instance_segmentation_prediction, object_detection_prediction]): ट्रैक किए गए ऑब्जेक्ट की डिटेक्शन या इंस्टेंस सेगमेंटेशन भविष्यवाणियाँ। इनमें ट्रैकिंग ब्लॉक से tracker_id जानकारी शामिल होनी चाहिए। यह ब्लॉक ऑब्जेक्ट प्रक्षेपवक्र बनाने के लिए फ्रेमों के साथ एंकर बिंदु की स्थितियों को ट्रैक करता है और उनकी तुलना संदर्भ पथ से करता है। आउटपुट डिटेक्शन में path_deviation मेटाडेटा शामिल होता है जिसमें संदर्भ पथ से फ्रेचेट दूरी होती है..

    • triggering_anchor (string): पथ गणना के लिए ऑब्जेक्ट की स्थिति को ट्रैक करने हेतु बाउंडिंग बॉक्स पर स्थित बिंदु। विकल्प: CENTER (डिफ़ॉल्ट), BOTTOM_CENTER, TOP_CENTER, CENTER_LEFT, CENTER_RIGHT, आदि। इस एंकर बिंदु के निर्देशांक फ्रेमों के साथ संचित किए जाते हैं ताकि ऑब्जेक्ट का प्रक्षेपवक्र पथ बनाया जा सके, जिसकी तुलना फ्रेचेट दूरी का उपयोग करके संदर्भ पथ से की जाती है..

    • reference_path (list_of_values): अपेक्षित संदर्भ पथ कम से कम 2 बिंदुओं की सूची के रूप में, जहाँ प्रत्येक बिंदु [x, y] निर्देशांकों वाला एक टपल या सूची हो। उदाहरण: [(100, 200), (200, 300), (300, 400)] 3 बिंदुओं वाला एक पथ परिभाषित करता है। फ्रेचेट दूरी मापती है कि ट्रैक किए गए ऑब्जेक्ट इस संदर्भ पथ का कितनी निकटता से पालन करते हैं। बिंदुओं का क्रम अपेक्षित प्रक्षेपवक्र के अनुसार होना चाहिए..

  • आउटपुट

    • path_deviation_detections (Union[object_detection_prediction, instance_segmentation_prediction]): यदि हो तो sv.Detections(...) ऑब्जेक्ट के रूप में पता लगाए गए बाउंडिंग बॉक्स वाली भविष्यवाणी object_detection_prediction या यदि हो तो sv.Detections(...) ऑब्जेक्ट के रूप में पता लगाए गए बाउंडिंग बॉक्स और सेगमेंटेशन मास्क वाली भविष्यवाणी instance_segmentation_prediction.

उदाहरण JSON परिभाषा

अंतिम अपडेट

क्या यह उपयोगी था?