3D-память. Проводим рекогносцировку местности

Если мы научили систему След думать, было бы странно, если бы мы не научили ее помнить. Только еще раз оговорюсь, что мы не рекламируем искусственные интеллекты, все сделано просто на уровне полезного программирования. (Просто и гениально). След способен запоминать расположение объектов на местности, если, конечно, ему это все показать. Попросту говоря, пользователь может наложить динамическую маску на все то пространство, которое охватывает 360-градусная камера при своем движении. Ее еще можно назвать шарообразной.

В первую очередь, что необходимо запомнить системе След, это где располагаются подверженные ложной детекции объекты, в число которых входят растения, плохо закрепленные сооружения, мягкие материалы в обрамлении построек и т.д. - в общем, все то, что может вызывать срабатывание детектора без наличия полезной цели. Это совсем не значит, что в эти места не будет наводиться «поворотка», просто она будет знать, насколько велика вероятность того или иного срабатывания, что необходимо для системы приоритета. Ведь количество целей может быть большим, а на поворотных камерах обычно экономят. Чтобы охватить все цели и не упустить важную рыбу, Следу приходится вертеться – в прямом и переносном смысле.

Процесс обучения довольно прост, вы лишь закрашиваете подверженную ветру растительность красным цветом. После чего След более адекватно оценивает полезность целей.

Конечно, все это не имеет гениального значения, и данную статью можно бы не писать, но тогда сложнее поверить в то, что След действительно неплохо работает. Ведь все понимают, что уличное видеонаблюдение по большей части состоит из помех. Поэтому последними статьями я пытаюсь сказать, что мы этот факт знаем и даже боремся с помехами. Причем, это у нас неплохо получается. Хотя судить вам.

Продолжение следует...