궤적 시각화
감지 추적 결과를 기반으로 궤적을 그립니다.
추적된 객체의 궤적 경로를 그려서, 최근 위치를 색상 선으로 연결해 객체의 이동 이력, 경로, 그리고 시간에 따른 추적 동작 패턴을 시각화합니다.
이 블록의 작동 방식
이 블록은 이미지와 추적된 예측값(트래커 ID 포함)을 입력으로 받아, 각 추적 객체의 최근 이동 이력을 보여주는 궤적 경로를 그립니다. 이 블록은:
이미지와 추적된 예측값을 입력으로 받습니다(예측값에는 추적 블록의 tracker_id 데이터가 포함되어야 함)
각 추적 객체의 추적 ID와 위치 이력을 추출합니다
선택한 위치 앵커(중심, 모서리, 가장자리 또는 질량 중심)에 따라 궤적을 그릴 기준점을 결정합니다
선택한 색상 팔레트에 따라 색상 스타일을 적용하며, 색상은 클래스, 인덱스 또는 추적 ID별로 할당됩니다
Supervision의 TraceAnnotator를 사용하여 각 추적 객체의 최근 위치(trace_length개의 위치까지)를 연결하는 궤적 선을 그립니다
이력 위치를 순차적으로 연결하여 객체의 이동 방향과 패턴을 보여주는 경로 궤적을 만듭니다
원본 이미지 위에 궤적 경로가 오버레이된 주석 이미지
이 블록은 각 추적 객체가 최근 프레임 동안 지나온 경로를 그려 객체 추적을 시각화합니다. 각 추적 객체에는 고유한 궤적 선(트랙 ID, 클래스 또는 인덱스로 색상 지정)이 부여되어 최근 위치를 연결하며, 이동 방향, 속도, 궤적 패턴을 보여주는 시각적 흔적을 만듭니다. trace_length 매개변수는 각 궤적에 포함될 이력 위치의 수를 제어합니다(더 긴 궤적은 더 많은 이동 이력을 보여주고, 더 짧은 궤적은 최근 이동만 보여줍니다). 이 시각화는 위치를 프레임 간에 연결하는 데 필요한 추적 정보가 있어야 하므로, 추적 블록(예: Byte Tracker)의 tracker ID가 포함된 예측값을 필요로 합니다. 이 궤적은 객체 이동을 시각화하고, 추적 패턴을 식별하며, 시간에 따른 객체 동작을 이해하는 데 도움이 됩니다.
일반적인 사용 사례
객체 궤적 시각화: 차량 추적, 보행자 흐름 분석, 또는 객체 이동 모니터링과 같은 응용 분야에서 객체의 동작, 이동 패턴, 또는 이동 경로를 이해하기 위해 추적된 객체의 이동 경로와 궤적을 시각화합니다
추적 성능 검증: 추적 일관성을 보장하고, 추적 오류나 ID 전환을 식별하거나, 객체가 일관된 궤적을 유지하는지 확인하기 위해 객체 경로를 시각화하여 추적 성능을 검증합니다
이동 패턴 분석: 궤적 흔적을 시각화하여 이동 패턴, 속도 또는 방향 변화를 분석해 객체 동작을 이해하고, 이상 징후를 감지하거나, 감시·보안·교통 모니터링 워크플로에서 이동 추세를 식별합니다
경로 이탈 감지: 객체 경로를 시각화하여 예상 경로에서의 이탈을 감지하고, 비정상적인 이동 패턴을 식별하거나, 안전·보안·규정 준수 워크플로를 위해 객체 궤적을 모니터링합니다
실시간 추적 모니터링: 실시간 모니터링 인터페이스, 대시보드 또는 라이브 비디오 피드에서 궤적 흔적을 표시하여 객체의 이동과 추적 동작을 현재 진행 중인 그대로 시각화합니다
비디오 분석 및 후처리: 객체 이동 경로와 패턴을 이해하는 것이 중요한 비디오 분석, 후처리 워크플로 또는 포렌식 분석을 위해 궤적 시각화를 생성합니다
다른 블록에 연결하기
이 블록의 주석이 추가된 이미지는 다음과 연결할 수 있습니다:
추적 블록 (예: Byte Tracker) trace 시각화에 필요한 tracker ID가 포함된 추적된 예측값을 받기 위해
기타 시각화 블록 (예: Bounding Box Visualization, Label Visualization, Dot Visualization) 궤적 흔적을 추가 주석과 결합하여 포괄적인 추적 시각화를 생성하기 위해
데이터 저장 블록 (예: Local File Sink, CSV Formatter, Roboflow Dataset Upload) 문서화, 보고 또는 분석을 위해 궤적 흔적이 포함된 이미지를 저장하기 위해
웹훅 블록 궤적 흔적이 포함된 시각화 결과를 외부 시스템, API 또는 웹 애플리케이션으로 전송하여 대시보드나 모니터링 도구에 표시하기 위해
알림 블록 (예: Email Notification, Slack Notification) 알림이나 보고서의 시각적 증거로 궤적 흔적이 포함된 주석 이미지를 전송하기 위해
비디오 출력 블록 실시간 모니터링, 추적 시각화 또는 후처리 분석을 위해 궤적 흔적이 포함된 주석 비디오 스트림이나 녹화를 생성하기 위해
유형 식별자
단계에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/trace_visualization@v1 워크플로우에 이 블록을 단계로 추가하려면.
속성
이름
유형
설명
참조
name
str
이 단계에 대한 고유 식별자를 입력하세요..
❌
copy_image
bool
이 옵션을 활성화하면 시각화를 위해 입력 이미지의 복사본을 만들어 원본을 보존합니다. 여러 시각화를 겹쳐 사용할 때 이 옵션을 사용하세요..
✅
색상 팔레트
str
시각화된 요소에 사용할 색상 팔레트를 선택하세요..
✅
팔레트 크기
정수
팔레트의 색상 수를 지정하세요. 이 설정은 사용자 지정 또는 Matplotlib 팔레트를 사용할 때 적용됩니다..
✅
사용자 지정 색상
List[str]
바운딩 박스에 사용할 사용자 지정 색상 목록을 HEX 형식으로 정의하세요..
✅
색상 축
str
바운딩 박스 색상이 어떻게 할당될지 선택하세요..
✅
위치
str
각 검출의 바운딩 박스 기준으로 궤적 흔적을 그릴 때의 기준 위치입니다. 옵션에는 CENTER(박스 중심), 모서리(TOP_LEFT, TOP_RIGHT, BOTTOM_LEFT, BOTTOM_RIGHT), 변의 중간점(TOP_CENTER, CENTER_LEFT, CENTER_RIGHT, BOTTOM_CENTER), 또는 CENTER_OF_MASS(객체의 질량 중심)가 포함됩니다. 궤적 경로는 최근 프레임 전반에서 이 기준점의 위치를 연결하여 그려집니다..
✅
trace_length
정수
각 궤적 흔적에 포함할 수 있는 추적된 객체의 최대 이력 위치 수입니다. 이동 흔적이 얼마나 길게 보일지 제어합니다. 값이 클수록 더 긴 흔적이 생성되어 더 많은 이동 이력을 보여주고, 값이 작을수록 더 짧은 흔적이 생성되어 최근 이동만 보여줍니다. 최소 1이어야 합니다. 일반적인 값은 원하는 흔적 길이와 프레임 속도에 따라 10~50프레임 범위입니다..
✅
두께
정수
픽셀 단위의 궤적 선 두께입니다. 경로 선이 얼마나 두껍게 보일지 제어합니다. 값이 클수록 더 두껍고 눈에 잘 띄는 흔적이 생성되고, 값이 작을수록 더 얇고 은은한 흔적이 생성됩니다. 최소 1이어야 합니다. 일반적인 값은 1~5픽셀 범위입니다..
✅
이 참조 열은 워크플로우 런타임에서 사용 가능한 동적 값으로 속성을 매개변수화할 수 있는 가능성을 나타냅니다 워크플로우 런타임입니다. 자세한 내용은 바인딩 을 참조하세요.
런타임 호환성
소프트 - 런타임 호스팅 서버리스, 전용 배포; 실행 원격; 입력 비디오 : 궤적 이력은 프로세스 메모리의 캐시된 TraceAnnotator 안에 저장됩니다. 상태 비저장 또는 다중 복제본 HTTP 런타임에서 원격 단계 실행을 사용하면 연속 프레임이 서로 다른 작업자 프로세스에서 처리될 수 있으므로, 궤적이 작업자 간에 초기화되거나 분리될 수 있습니다. 프레임 간 시각화를 안정적으로 유지하려면 지속적인 WebRTC 세션에서 로컬 단계 실행을 사용하세요.
소프트 - 입력 이미지 : 이 블록은 비디오나 반복 프레임 워크플로의 시간적 문맥에 의존합니다. 정지 이미지/사진에는 추적, 비교, 집계 또는 시각화할 의미 있는 히스토리가 없으므로 이 블록은 거의 또는 전혀 이점을 제공하지 않습니다.
입력 및 출력 바인딩
사용 가능한 연결은 바인딩 유형에 따라 달라집니다. 어떤 바인딩 유형인지 확인하세요 궤적 시각화 버전 v1 을 가지고 있는지.
입력 및 출력 바인딩
입력
이미지(이미지): 시각화할 이미지..copy_image(boolean): 이 옵션을 활성화하면 시각화를 위해 입력 이미지의 복사본을 만들어 원본을 보존합니다. 여러 시각화를 겹쳐 사용할 때 이 옵션을 사용하세요..예측(Union[rle_instance_segmentation_prediction,object_detection_prediction,instance_segmentation_prediction,keypoint_detection_prediction]): 시각화할 모델 예측값..색상 팔레트(string): 시각화된 요소에 사용할 색상 팔레트를 선택하세요..팔레트 크기(정수): 팔레트의 색상 수를 지정하세요. 이 설정은 사용자 지정 또는 Matplotlib 팔레트를 사용할 때 적용됩니다..사용자 지정 색상(list_of_values): 바운딩 박스에 사용할 사용자 지정 색상 목록을 HEX 형식으로 정의하세요..색상 축(string): 바운딩 박스 색상이 어떻게 할당될지 선택하세요..위치(string): 각 검출의 바운딩 박스 기준으로 궤적 흔적을 그릴 때의 기준 위치입니다. 옵션에는 CENTER(박스 중심), 모서리(TOP_LEFT, TOP_RIGHT, BOTTOM_LEFT, BOTTOM_RIGHT), 변의 중간점(TOP_CENTER, CENTER_LEFT, CENTER_RIGHT, BOTTOM_CENTER), 또는 CENTER_OF_MASS(객체의 질량 중심)가 포함됩니다. 궤적 경로는 최근 프레임 전반에서 이 기준점의 위치를 연결하여 그려집니다..trace_length(정수): 각 궤적 흔적에 포함할 수 있는 추적된 객체의 최대 이력 위치 수입니다. 이동 흔적이 얼마나 길게 보일지 제어합니다. 값이 클수록 더 긴 흔적이 생성되어 더 많은 이동 이력을 보여주고, 값이 작을수록 더 짧은 흔적이 생성되어 최근 이동만 보여줍니다. 최소 1이어야 합니다. 일반적인 값은 원하는 흔적 길이와 프레임 속도에 따라 10~50프레임 범위입니다..두께(정수): 픽셀 단위의 궤적 선 두께입니다. 경로 선이 얼마나 두껍게 보일지 제어합니다. 값이 클수록 더 두껍고 눈에 잘 띄는 흔적이 생성되고, 값이 작을수록 더 얇고 은은한 흔적이 생성됩니다. 최소 1이어야 합니다. 일반적인 값은 1~5픽셀 범위입니다..
출력
이미지(이미지): 워크플로의 이미지입니다.
마지막 업데이트
도움이 되었나요?