Aanbevolen kleding van een waargenomen persoon inschakelen

Wanneer u een video indexeert met behulp van geavanceerde video-instellingen van Azure AI Video Indexer, kunt u de aanbevolen kleding van een waargenomen persoon bekijken. Het inzicht biedt momenten in de video waar belangrijke personen prominent en duidelijk zichtbaar zijn, inclusief de coördinaten van de personen, tijdstempel en het frame van de opname. Dit inzicht maakt contextuele reclame van hoge kwaliteit mogelijk, waarbij relevante kledingadvertenties overeenkomen met de specifieke tijd in de video waarin ze worden bekeken.

In dit artikel wordt beschreven hoe u het aanbevolen kledingoverzicht kunt bekijken en hoe de aanbevolen kledingafbeeldingen worden gerangschikt.

Een inleidingsvideo bekijken

U kunt de volgende korte video bekijken waarin wordt besproken hoe u het aanbevolen kledingoverzicht kunt bekijken en gebruiken.

Aanbevolen kleding bekijken

Het aanbevolen kledinginzicht is beschikbaar bij het indexeren van uw bestand door de optie Geavanceerd -> Geavanceerde video of Geavanceerde video + audio vooraf ingestelde (onder Video + audio-indexering) te kiezen. Standaardindexering bevat dit inzicht niet.

De aanbevolen kledingafbeeldingen zijn gerangschikt op basis van enkele van de volgende factoren: belangrijke momenten van de video, duur van de persoon wordt weergegeven, emoties op basis van tekst en audiogebeurtenissen. De inzichten zijn privé van het hoogste classificatieframe per scène, waarmee u contextuele advertenties per scène in de video kunt produceren. Het JSON-bestand wordt gerangschikt op basis van de volgorde van scènes in de video, waarbij elke scène het hoogste frame als resultaat heeft.

Notitie

Het aanbevolen kledingoverzicht kan alleen worden bekeken vanuit het artefactbestand en het inzicht bevindt zich niet op de website van Azure AI Video Indexer.

1. Selecteer in de rechterbovenhoek om het zip-bestand met artefacten te downloaden: Download ->Artifact (ZIP)
2. featuredclothing.zip openen.

Het bestand .zip bevat twee objecten:

• featuredclothing.map.json - het bestand bevat exemplaren van elke aanbevolen kleding, met de volgende eigenschappen:

  • id – ranking index ("id": 1 is de belangrijkste kleding).
  • confidence – de score van de aanbevolen kleding.
  • frameIndex – het beste frame van de kleding.
  • timestamp – die overeenkomt met de frameIndex.
  • opBoundingBox – begrenzingsvak van de persoon.
  • faceBoundingBox – begrenzingsvak van het gezicht van de persoon, indien gedetecteerd.
  • fileName – waar het beste frame van de kleding wordt opgeslagen.
  • sceneID - de scène waarin de scène wordt weergegeven.

  Een voorbeeld van de aanbevolen kleding met "sceneID": 1.

  "instances": [
    	{
      		"confidence": 0.07,
  			"faceBoundingBox": {},
  			"fileName": "frame_100.jpg",
      		"frameIndex": 100,
      		"opBoundingBox": {
          			"x": 0.09062,
          			"y": 0.4,
  				"width": 0.11302,
          			"height": 0.59722
  				},
     			 "timestamp": "0:00:04",
      		"personName": "Observed Person #1",
      		"sceneId": 1
    	}
  

• featuredclothing.frames.map – deze map bevat afbeeldingen van de beste frames waarin de aanbevolen kleding werd weergegeven, die overeenkomt met de fileName eigenschap in elk exemplaar in featuredclothing.map.json.

Beperkingen en veronderstellingen

Het is belangrijk om rekening te houden met de beperkingen van aanbevolen kleding om de effecten van valse detecties van afbeeldingen met een lage of lage relevantie te voorkomen of te beperken. 

• Voorwaarde voor de aanbevolen kleding is dat de persoon die de kleding draagt, kan worden gevonden in het waargenomen inzicht van mensen.
• Als het gezicht van een persoon die de aanbevolen kleding draagt niet wordt gedetecteerd, bevatten de resultaten de begrenzingsdoos van gezichten niet.
• Als een persoon in een video meer dan één outfit draagt, selecteert het algoritme de beste outfit als één aanbevolen kledingafbeelding.
• Bij de positie zijn de sporen geoptimaliseerd voor het afhandelen van waargenomen personen die het vaakst aan de voorzijde verschijnen.
• Er kunnen verkeerde detecties optreden wanneer personen elkaar overlappen.
• Frames met wazige personen zijn gevoeliger voor resultaten van lage kwaliteit.

Zie de beperkingen van waargenomen personen voor meer informatie.