Inference

`safety.InferenceHandler`

학습한 Object Detection/Classification 모델을 사용하여 검사를 하기 위한 InferenceHandler class 입니다.

Usage

demo/inference.py 참고

`build(config)` `classmethod`

InferenceHandler class의 instance를 생성합니다.

Parameters:

Name Type Description Default

config

Dict

InferenceHandler를 build 하기 위한 config가 담겨 있는 dictionary 입니다.

{
    # inference_handler config
    "detection_checkpoint_path": str | None, # Detection 모델 체크포인트 경로 (default None, None인 경우 기본 detection model 사용)
    "classification_checkpoint_path": str | None, # Classification 모델 체크포인트 경로 (default None, None인 경우 기본 classification model 사용)
    "reidentification_checkpoint_path": str | None, # Reidentification 모델 체크포인트 경로 (default None, None인 경우 기본 reidentification model 사용)
    "depth_checkpoint_path": str | None, # Depth, Normal, Intrinsic 모델 체크포인트 경로 (default None, None인 경우 기본 depth model 사용)
    "match_checkpoint_path": str | None, # Match 모델 체크포인트 경로 (default None, None인 경우 기본 match model 사용)
    "tracker_checkpoint_path": str | None, # Tracker 모델 체크포인트 경로 (default None, 명시적으로 None을 지정한 경우 기본 tracker 로직 사용)
    "segmentation_checkpoint_path": str | None, # 인양물 검사를 위한 Segmentation 모델 체크포인트 경로 (default None, None인 경우 기본 seg model 사용)
    "payload_instability_enabled": bool, # Payload instability 검사 사용 여부, 여부에 따라서 SAM Model Load 여부가 결정됨 (default False)
    "inference_batch_size": int, # Batch size 설정 (default 1)
    "optimize": bool, # ONNX 모델 최적화 여부 (default True)
    "password": str | None,  # 체크포인트 패스워드 (default None)
    "device": str | int,  # GPU 번호 (int) or "cuda" (str) (default "cuda")

    # event_alarm_handlers config
    "camera_ids": list[int] | None, # 검사할 camera_id list. `InferenceHandler.register_camera`와 `InferenceHandler.release_camera`를 통해 camera_id를 등록/해제 할 수 있습니다. (default None)
}

required

Returns:

Name	Type	Description
`InferenceHandler`		build가 완료된 safety.InferenceHandler class의 instance를 반환합니다.

Note

각 테스크 모델의 경로({task}_checkpoint_path)가 None인 경우 해당 버전의 기본 모델을 사용합니다.
default_alarm_options, default_object_options는 API에서 기본적으로 비활성화합니다. (즉, enabled가 False입니다.)
Depth 모델에서 depth, normal, intrinsic을 모두 예측합니다.

`infer(images, camera_ids, timestamps)`

현재 설정된 inference 옵션을 바탕으로 inference를 수행합니다.

Parameters:

Name	Type	Description	Default
`images`	`list[ndarray]`	inference를 수행할 이미지들의 list (shape: [H, W, C])	required
`camera_ids`	`list[int]`	images의 각 image에 대한 camera_id list	required
`timestamps`	`list[int]`	images의 각 image에 대한 timestamp list (단위: 밀리초)	required

Returns:

Type Description

list[dict]

list[dict]: 검사 결과



name="__codelineno-0-1" href="#__codelineno-0-1">[ { "detected_objects": [ # 검출된 object들에 대한 정보 리스트 { "id": int, # object ID "bounding_box": list[int], # object bounding box (x,y,w,h) "object_class": str, # object의 class 이름. (Note 3 참고) "object_score": int, # object의 det score. (범위: 0 ~ 100) "classification_scores": { "helmet": int,      # helmet class의 score. (범위: 0 ~ 100) "head": int,        # head class의 score. (범위: 0 ~ 100) "person": int,      # person class의 score. (범위: 0 ~ 100) "fire": int,        # fire class의 score. (범위: 0 ~ 100) "smoke": int,       # smoke class의 score. (범위: 0 ~ 100) "fall_down": int,   # fall_down class의 score. (범위: 0 ~ 100) "harness": int,     # harness class의 score. (범위: 0 ~ 100) "trespass": float, # trespass_detect의 score. 객체 영역 대비 침입 영역과의 겹침 비율 (-1은 해당 없음.  범위: 0 ~ 1) "in_danger_zone": float, # danger_detect의 score. 객체 영역 대비 침입 영역과의 겹침 비율 (-1은 해당 없음. 범위: 0 ~ 1) "in_collision_hazard_zone": float, # in_collision_hazard_zone의 score, 객체 영역 대비 충돌 위험 영역과의 겹침 비율 (-1은 해당 없음. 범위: 0 ~ 1) "collision_hazard": float, # collision_hazard_detect의 score. 객체 영역 대비 충돌 위험 영역과의 겹침 비율 (-1은 해당 없음. 범위: 0 ~ 1) "crush_hazard": float, # crush_detect의 score. 객체 영역 대비 협착 위험 영역과의 겹침 비율 (-1은 해당 없음. 범위: 0 ~ 1) "payload_instability": int, # payload instability의 score. (-1은 해당 없음. 범위: 0 ~ 100) }, "brightness_score": int, # object의 밝기 score. (범위: 0 ~ 100). Person class에 대해서만 존재. "movement_score": int,   # object의 움직임 score (범위: 0 ~ 100). "segmentation_contour": np.ndarray | None, # 적재 불량 검사에 사용되는 segmentation contour. None인 경우 segmentation 정보가 없는 상태입니다. 정보가 있는 경우, (N, 2) shape의 numpy array입니다. "depth": float | None, # object의 depth. None인 경우 depth 정보가 없는 상태입니다. 정보가 있는 경우, 0 이상의 실수입니다. "events": { # object에 발생한 event에 대한 딕셔너리. 각 event에 대한 alarm이 비활성화(enabled=False)된 경우엔 event도 항상 False입니다. "without_helmet": bool,                                  # 헬멧 미착용 이벤트 (person object에 대해서만 해당) "without_harness": bool,                                 # 하네스 미착용 이벤트 (person object에 대해서만 해당) "fallen_person": bool,                                   # 쓰러짐 이벤트 (person object에 대해서만 해당) "trespass_detect": bool | tuple[bool, float],            # 침입 감지 이벤트 (person object에 대해서만 해당), depth를 사용하는 경우엔 점수가 나오지 않습니다. "danger_detect": bool | tuple[bool, float],              # 배회 감지 이벤트 (person object에 대해서만 해당) "in_collision_hazard_zone": bool | | tuple[bool, float], # 충돌 위험 영역 존재 유무 이벤트 (fire, smoke object 제외하고 모든 object에 대해서 해당) "collision_hazard_detect": bool | tuple[bool, float],    # 충돌 위험 감지 이벤트 (person object에 대해서만 해당) "crush_detect": bool | tuple[bool, float],               # 협착 위험 감지 이벤트 (person object에 대해서만 해당) "proximity_hazard_detect": bool | tuple[bool, float],    # 근접 위험 감지 이벤트 (person object에 대해서만 해당), use_depth=False인 경우, (False, -1)을 리턴합니다. "fire_detect": bool,                                     # 화재 감지 이벤트 (fire object에 대해서만 해당) "smoke_detect": bool,                                    # 연기 감지 이벤트 (smoke object에 대해서만 해당) "payload_instability_detect": bool,                      # 적재 불량 감지 이벤트 (crane lifted object에 대해서만 해당) }, "alarms": { # object에 발생한 각 event에 대해서 alarm 여부 딕셔너리. "without_helmet": bool,             # 헬멧 미착용 이벤트 (person object에 대해서만 해당) "without_harness": bool,            # 하네스 미착용 이벤트 (person object에 대해서만 해당) "fallen_person": bool,              # 쓰러짐 이벤트 (person object에 대해서만 해당) "trespass_detect": bool,            # 침입 감지 이벤트 (person object에 대해서만 해당) "danger_detect": bool,              # 배회 감지 이벤트 (person object에 대해서만 해당) "in_collision_hazard_zone": bool,   # 충돌 위험 영역 존재 유무 이벤트 (fire, smoke object 제외하고 모든 object에 대해서 해당) "collision_hazard_detect": bool,    # 충돌 위험 감지 이벤트 (person object에 대해서만 해당) "crush_detect": bool,               # 협착 위험 감지 이벤트 (person object에 대해서만 해당) "proximity_hazard_detect": bool,    # 근접 위험 감지 이벤트 (person object에 대해서만 해당) "fire_detect": bool,                # 화재 감지 이벤트 (fire object에 대해서만 해당) "smoke_detect": bool,               # 연기 감지 이벤트 (smoke object에 대해서만 해당) "payload_instability_detect": bool, # 적재 불량 감지 이벤트 (crane lifted object에 대해서만 해당) }, "event_status": {# object에 발생한 event의 중간 결과들에 대한 딕셔너리. 각 event에 대한 alarm이 비활성화(enabled=False)된 경우엔 None 입니다. "without_helmet": str | None,              # 현재는 None 만 반환하고 있습니다. "without_harness": str | None,             # 현재는 None 만 반환하고 있습니다. "fallen_person": str | None,               # 현재는 None 만 반환하고 있습니다. "trespass_detect":str | None,              # 현재는 None 만 반환하고 있습니다. "danger_detect":str | None,                # 현재는 None 만 반환하고 있습니다. "in_collision_hazard_zone": str | None,    # 현재는 None 만 반환하고 있습니다. "collision_hazard_detect": str | None,     # 현재는 None 만 반환하고 있습니다. "crush_detect": str | None,                # 현재는 None 만 반환하고 있습니다. "proximity_hazard_detect": str | None,     # 근접 위험 감지 이벤트에서 사람 침입이 발생한 경우 "trespass" 그 외의 경우 None 입니다 (person object에 대해서만 해당). "fire_detect": str | None,                 # 현재는 None 만 반환하고 있습니다. "smoke_detect": str | None,                # 현재는 None 만 반환하고 있습니다. "payload_instability_detect": str | None,  # 적재 불량 감지 이벤트에서 인양물의 크기가 충분히 크지 않은 경우 "size_insufficient" 그 외의 경우 None 입니다 (crane lifted object에 대해서만 해당). }, "crush_hazard_zone": { # 객체의 협착 위험 영역 2D 폴리곤 좌표 배열. 협착 이벤트가 발생한 사람의 경우, 대응하는 객체의 위험 영역을 가집니다. "object_zone": numpy.ndarray | None, # 객체의 2D 폴리곤 좌표 numpy 배열 (shape: [N, 2]) | None (공간 지각 기능을 사용하지 않는 경우엔 None) "crush_hazard_zone": numpy.ndarray | None, # 협착 위험 영역의 2D 폴리곤 좌표 numpy 배열 (shape: [M, 2]) | None }, }, ... # 각 image에서 검출된 object와 이에 대한 event, alarm 정보. ], "time": { # 해당 이미지의 추론에 소요된 시간을 담고있는 dictionary 입니다. (단위: 밀리초) "preprocess_time": float,       # 이미지 및 기타 전처리에 소요된 시간 "postprocess_time": float,      # 기타 후처리에 소요된 시간 "tracker_time": float,          # tracker에 소요된 시간 "event_alarm_time": float,      # 이벤트 관제에 소요된 시간 "detection_time": float,        # detection에 소요된 시간 "classification_time": float,   # classification에 소요된 시간 "reidentification_time": float, # person reidentification에 소요된 시간 "segmentation_time": float,     # (인양물) segmentation에 소요된 시간 # 아래 키들은 공간지능 기능을 사용하는 경우에만 존재합니다. "depth_time": float,  # depth 추정에 소요된 시간 "normal_time": float, # normal 추정에 소요된 시간 "match_time": float,  # match 추정에 소요된 시간 "calib_time": float,  # depth 보정에 소요된 시간 }, }, ... # 들어온 image 수 만큼 반복 (들어온 image 순서대로) class="p">]

`warmup()`

현재 설정된 inference 옵션을 바탕으로 warmup을 수행합니다. warmup은, 현재 inference_option이 잘 동작하는지 확인 + GPU를 첫 호출시 속도가 느린 이슈를 해결하기 위해, 현재 inference_option에 맞춰 더미 입력에 대한 InferenceHandler.infer를 호출합니다.

Usage

handler.warmup()

`get_default_inference_option(model, key)`

Model별 Postprocess 옵션의 기본 설정 값을 반환합니다.

Parameters:

Name	Type	Description	Default
`model`	`str`	"safety", "detection", "classification", "depth", "match" 중 하나.	required
`key`	`str`	옵션 key	required

Returns:

Name	Type	Description
`Any`	`Any`	옵션 value

사용 가능한 key와 value 목록

model: safety key: 가능한 key는 다음과 같습니다.

{
    "outputs.time": bool,  # 인퍼런스 시 각 요소에 걸린 시간을 반환할지 여부. (default False)
    "params.mlc_filter_thresholds": dict[str, float],  # MLC 필터의 각 클래스별 threshold 값. 각 값은 [0, 1] 범위의 실수. (default {"person": 0.9, "fire": 0.5, "smoke": 0.5})
}

model: detection key: DET 모델 결과 후처리 파라미터. 가능한 key는 다음과 같습니다.

{
    "params.object_score_threshold": list[int],  # 각 클래스의 score threshold 값. 예측 box의 score가 threshold보다 작은 경우 필터링 됩니다.
                                                    # 각 값은 [0, 100] 범위의 정수. (default [30, 10, ... , 10])
    "params.object_area_threshold": list[int],  # 각 클래스의 area threshold 값. 예측 box의 면적이 threshold보다 작은 경우 필터링 됩니다.
                                                # 각 값은 0 이상의 정수. (default [0, ... , 0])
    "params.max_num_of_detected_objects": list[int],  # 각 클래스의 최대 예측 박스 개수. 예측 box의 개수가 이 값을 넘을 경우 score가 낮은 순으로 제거됩니다.
                                                        # 각 값은 -1 이상의 정수이며, 값이 -1인 경우 개수 필터링을 적용하지 않습니다. (default [30, -1, ... , -1])
}

model: classification key: CLS 모델 결과 후처리 파라미터. 가능한 key는 다음과 같습니다.

{
    "params.additional_scores": list[int | float],  # scores_including_add를 계산할 때, scores_original에 더해지는 값입니다. 각 값은 [0, 100] 범위의 실수. (default [0.0, ... , 0.0])
}

model: depth key: DEPTH, NORMAL 모델 결과 후처리 파라미터. 가능한 key는 다음과 같습니다.

{
    "params.max_depth": float,  # 모델의 최대 추정 가능 깊이 (default 100.0 m)
}

model: match key: MATCH 모델 결과 후처리 파라미터. 가능한 key는 다음과 같습니다.

{
    "params.match_threshold": float,  # 두 이미지의 키포인트가 같은 위치인지 판단하는 threshold. (default 0.6)
}

Usage

err, msg, option = handler.get_default_inference_option(model="safety", key="outputs.time")
print(option)
# False

`get_inference_option(model, key)`

Model에 따른 현재 설정된 postprocess 옵션 값을 읽습니다.

Parameters:

Name	Type	Description	Default
`model`	`str`	"safety", "detection", "classification", "depth", "match" 중 하나.	required
`key`	`str`	옵션 key	required

Returns:

Name	Type	Description
`Any`	`Any`	옵션 value

Keys

get_default_inference_option과 동일합니다.

Usage

err, msg, _ = handler.get_inference_option(model="safety", key="outputs.time")
print(option)
# True or False

`set_inference_option(model, key, value)`

Model에 따른 Postprocess 옵션을 설정합니다.

Parameters:

Name	Type	Description	Default
`model`	`str`	"safety", "detection", "classification", "depth", "match" 중 하나.	required
`key`	`str`	설정하고자 하는 옵션 key 입니다.	required
`value`	`Any`	설정하고자 하는 옵션 value 입니다.	required

Returns:

Name	Type	Description
`None`	`None`	None

Keys

get_default_inference_option과 동일합니다.

Usage

err, msg, _ = handler.set_inference_option(model="safety", key="outputs.time", value=True)
err, msg, option = handler.get_inference_option(model="safety", key="outputs.time")
print(option)
# True

`register_camera(camera_id)`

검사할 camera_id를 등록합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	등록할 camera_id	required

Returns:

Name	Type	Description
`None`	`None`	None

Raises:

Type	Description
`InvalidCameraIdError`	camera_id가 int가 아닌 경우 발생하는 에러
`AlreadyRegisteredCameraIdError`	이미 등록된 camera_id를 등록하려고 할 때 발생하는 에러

Usage

err, msg, _ = handler.register_camera(camera_id=0)
err, msg, cam_ids = handler.get_registered_camera_ids()
0 in cam_ids
# True

`release_camera(camera_id)`

등록된 camera_id를 해제합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	해제할 camera_id	required

Returns:

Name	Type	Description
`None`	`None`	None

Raises:

Type	Description
`UnregisteredCameraIdError`	등록되지 않은 camera_id를 해제하려고 할 때 발생하는 에러

Usage

err, msg, _ = handler.register_camera(camera_id=0)
err, msg, cam_ids = handler.get_registered_camera_ids()
0 in cam_ids
# True

err, msg, _ = handler.release_camera(camera_id=0)
err, msg, cam_ids = handler.get_registered_camera_ids()
0 in cam_ids
# False

`get_registered_camera_ids()`

등록된 camera_id 리스트를 반환합니다.

Returns:

Type	Description
`list[int]`	list[int]: 등록된 camera_id 리스트

`get_default_tracker_option(camera_id)`

기본 tracker option을 반환합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	tracker option을 반환할 camera_id (사용하지 않음, 단순히 다른 API와의 일관성을 위해 존재)	required

Returns:

Type Description

dict[str, Any]

dict[str, Any]: tracker option

{
    "object_score_threshold": int, # object의 detection score가 이 값보다 크면 바로 track 합니다. (default 70)
    "min_continuous_count": int, # object의 detection score가 object_score_threshold보다 낮을 때 object가 track 되기 위한 최소 연속 프레임 수 (default 1)
}

Usage

err, msg, option = handler.get_default_tracker_option(camera_id=0)
print(option)
# {"object_score_threshold": 70, "min_continuous_count": 5}

Note: camera_id는 사용하지 않으며, 단순히 다른 API와의 일관성을 위해 존재합니다.

`get_tracker_option(camera_id)`

등록된 camera_id에 대한 tracker option을 반환합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	tracker option을 반환할 camera_id	required

Returns:

Type	Description
`dict[str, Any]`	dict[str, Any]: tracker option. 형태는 `InferenceHandler.get_default_tracker_option`의 반환값과 동일합니다.

Raises:

Type	Description
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대한 정보를 요청할 때 발생하는 에러

Usage

option = handler.get_tracker_option(camera_id=0)
print(option)
# {"object_score_threshold": 70, "min_continuous_count": 5} 사용자가 설정한 값이 반환됩니다.

`set_tracker_option(camera_id, tracker_option)`

등록된 camera_id에 대한 tracker option을 설정합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	tracker option을 설정할 camera_id	required
`tracker_option`	`dict[str, Any]`	tracker option. 형태는 `InferenceHandler.get_default_tracker_option`의 반환값과 동일합니다.	required

Returns:

Name	Type	Description
`None`	`None`	None

Raises:

Type	Description
`InvalidTrackerOptionError`	tracker_option가 올바르지 않을 때 발생하는 에러
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대해 설정할 때 발생하는 에러

Usage

option = handler.get_tracker_option(camera_id=0)
option["object_score_threshold"] = 70
option["min_continuous_count"] = 5
handler.set_tracker_option(camera_id=0, tracker_option=option)
option = handler.get_tracker_option(camera_id=0)
print(option)
# {"object_score_threshold": 70, "min_continuous_count": 5} # 설정한 값이 반환됩니다.

`get_default_grid_option(camera_id)`

기본 grid option을 반환합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	grid option을 반환할 camera_id (사용하지 않음, 단순히 다른 API와의 일관성을 위해 존재)	required

Returns:

Type	Description
`dict[str, Any]`	dict[str, Any]: grid option `{ "grid_step_wh": tuple[int, int], # the number of step in width and height direction. (default (1, 1)) "overlap_ratio": float, # the ratio of overlap between adjacent grid cells. (default 0.0) }`

Usage

err, msg, option = handler.get_default_grid_option(camera_id=0)
print(option)
# {"grid_step_wh": (1, 1), "overlap_ratio": 0.0}

Note: camera_id는 사용하지 않으며, 단순히 다른 API와의 일관성을 위해 존재합니다.

`get_grid_option(camera_id)`

등록된 camera_id에 대한 grid option을 반환합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	grid option을 반환할 camera_id	required

Returns:

Type	Description
`dict[str, Any]`	dict[str, Any]: grid option. 형태는 `InferenceHandler.get_default_grid_option`의 반환값과 동일합니다.

Raises:

Type	Description
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대한 정보를 요청할 때 발생하는 에러

Usage

option = handler.get_grid_option(camera_id=0)
print(option)
# {"grid_step_wh": (2, 2), "overlap_ratio": 0.1} # 사용자가 설정한 값이 반환됩니다.

`set_grid_option(camera_id, grid_option)`

등록된 camera_id에 대한 grid option을 설정합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	grid option을 설정할 camera_id	required
`grid_option`	`dict[str, Any]`	grid option. 형태는 `InferenceHandler.get_default_grid_option`의 반환값과 동일합니다.	required

Returns:

Name	Type	Description
`None`	`None`	None

Raises:

Type	Description
`InvalidGridOptionError`	grid_option이 올바르지 않을 때 발생하는 에러
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대해 설정할 때 발생하는 에러

Usage

option = handler.get_grid_option(camera_id=0)
option["grid_step_wh"] = (2, 2)
option["overlap_ratio"] = 0.1
handler.set_grid_option(camera_id=0, grid_option=option)
option = handler.get_grid_option(camera_id=0)
print(option)
# {"grid_step_wh": (2, 2), "overlap_ratio": 0.1} # 설정한 값이 반환됩니다.

`get_reference_image(camera_id)`

등록된 camera_id에 대한 reference image를 반환합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	reference image를 반환할 camera_id	required

Returns:

Type	Description
`ndarray \| None`	np.ndarray \| None: reference image (shape: [H, W, C]). None인 경우 reference image가 설정되지 않은 상태입니다.

Raises:

Type	Description
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대한 정보를 요청할 때 발생하는 에러

Usage

err, msg, img = handler.get_reference_image(camera_id=0)
if img is None:
    print("Reference image is not set.")
else:
    print(img.shape)

`set_reference_image(camera_id, reference_image, surface_points)`

등록된 camera_id에 대한 reference image를 설정합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	reference image를 설정할 camera_id	required
`reference_image`	`ndarray`	reference image 형태는 `InferenceHandler.get_reference_image`의 반환값과 동일합니다.	required
`surface_points`	`list[list[int]]`	Surface depth fitting에 사용할 surface points. `[ [x1, y1], [x2, y2], ..., [xn, yn] # n개의 점으로 이루어진 surface points (n >= 3) ]`	required

Returns:

Name	Type	Description
`None`	`None`	None

Raises:

Type	Description
`InvalidReferenceImageError`	reference_image가 올바르지 않을 때 발생하는 에러
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대해 설정할 때 발생하는 에러
`InsufficientSurfacePointsError`	surface_points의 개수가 3개 미만인 경우 발생하는 에러

Usage

import cv2
reference_image = cv2.imread("reference.jpg")
surface_points = [[0, 0], [100, 0], [100, 100], [0, 100]]
err, msg, _ = handler.set_reference_image(camera_id=0, reference_image=reference_image, surface_points=surface_points)
err, msg, img = handler.get_reference_image(camera_id=0)
np.array_equal(reference_image, img)
# True # set과 get 과정에서 형변환이 일어나기 때문에 완전히 동일하지 않을 수 있습니다.

`get_monitoring_area(camera_id)`

등록된 camera_id에 대한 monitoring area를 반환합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	monitoring area를 반환할 camera_id	required

Returns:

Type Description

dict[str, list[list[list[int]]]]

dict[str, list[list[list[int]]]]: dictionary of monitoring area polygon list

{
    "includes": [ # 포함하는 영역의 polygon 리스트 (default [])
        [[x1, y1], ..., [xn, yn]], # n개의 점으로 이루어진 polygon (n >= 3)
        ...
    ],
    "excludes": list[list[list[int]]] # 제외하는 영역의 polygon 리스트(includes와 동일).
}

Raises: UnregisteredCameraIdError: 등록되지 않은 camera_id에 대한 정보를 요청할 때 발생하는 에러

Usage

err, msg, area = handler.get_monitoring_area(camera_id=0)
print(area)
# {"includes": [[[0, 0], [100, 0], [100, 100], [0, 100]]], "excludes": []} # 사용자가 설정한 값이 반환됩니다.

`set_monitoring_area(camera_id, monitoring_area)`

등록된 camera_id에 대한 monitoring area를 설정합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	monitoring area를 설정할 camera_id	required
`monitoring_area`	`dict[str, list[list[list[int]]]]`	dictionary of monitoring area polygon list 형태는 `InferenceHandler.get_monitoring_area`의 반환값과 동일합니다.	required

Returns:

Name	Type	Description
`None`	`None`	None

Raises:

Type	Description
`InvalidMonitoringAreaError`	monitoring_area가 올바르지 않을 때 발생하는 에러
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대해 설정할 때 발생하는 에러

Usage

area = {"includes": [[[0, 0], [100, 0], [100, 100], [0, 100]]], "excludes": []}
err, msg, _ = handler.set_monitoring_area(camera_id=0, monitoring_area=area)
err, msg, area = handler.get_monitoring_area(camera_id=0)
print(area)
# {"includes": [[[0, 0], [100, 0], [100, 100], [0, 100]]], "excludes": []} # 설정한 값이 반환됩니다.

`get_default_object_options(camera_id)`

등록된 camera_id에 대한 default object options를 반환합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	default object options를 반환할 camera_id	required

Returns:

Type Description

dict[str, dict]

dict[str, dict[str, Any]]: object options

{
    "person": {
        "enabled": bool,         # 해당 object_type을 검출할지 여부. 라이센스 조정을 위해 사용됩니다. (default False)
        "area_threshold": float, # 해당 object_type의 면적 threshold. 이 값보다 작은 object는 필터링 됩니다. (default 900.0)
        "score_threshold": int,  # 해당 object_type의 score threshold (0~100). 이 값보다 낮은 `object_score`를 가진 object는 필터링 됩니다. (default 30)

        # 아래 옵션들은 `ignore_dark_object` 옵션을 가진 이벤트들에서, 해당 object가 dark object인지 판단하는데 사용됩니다.
        "brightness_threshold": int, # 해당 object_type의 밝기 threshold (0~100). 이 값보다 크거나 같은 `brightness_score`를 가진 object는 dark object가 아닌 것으로 취급. (default 27)
        "surrounding_brightness_threshold": int, # object 주변 영역의 밝기 threshold (0~100). 이 값보다 크거나 같은 `surrounding_brightness_score`를 가진 object는 주변이 밝은 것으로 취급되어 dark object 판정에서 제외됨. (default 30)
        "small_area_threshold": float, # 해당 object_type의 작은 면적 threshold. 이 값보다 크거나 같은 면적을 가진 object는 밝기와 상관없이 dark object가 아닌 것으로 취급. (default 2500.0)
    },
    "fire": {
        "enabled": bool,         # default False
        "area_threshold": float, # default 900.0
        "score_threshold": int,  # default 10
    },
    "smoke": {
        "enabled": bool,         # default False
        "area_threshold": float, # default 900.0
        "score_threshold": int,  # default 10
        "movement_score_threshold": int, # 이 값보다 크거나 같은 movement score를 가진 smoke object만 object로 남습니다. (default 0)
    },
    "excavator": {
        "enabled": bool,         # default False
        "area_threshold": float, # default 900.0
        "score_threshold": int,  # default 30
        "center_y_offset_ratio": float,  # default 1.0
        "width_scale": float,    # default 1.2
        "height_scale": float,   # default 0.5
        "area_scale": float,     # default 1.5
    },
    "forklift": {
        "enabled": bool,         # default False
        "area_threshold": float, # default 900.0
        "score_threshold": int,  # default 30
        "center_y_offset_ratio": float,  # default 1.0
        "width_scale": float,    # default 1.2
        "height_scale": float,   # default 0.5
        "area_scale": float,     # default 1.5
    },
    "crane_body": {
        "enabled": bool,         # default False
        "area_threshold": float, # default 900.0
        "score_threshold": int,  # default 30
        "center_y_offset_ratio": float,  # default 1.0
        "width_scale": float,    # default 1.2
        "height_scale": float,   # default 0.5
        "area_scale": float,     # default 1.5
    },
    "crane_hook": {
        "enabled": bool,         # default False
        "area_threshold": float, # default 900.0
        "score_threshold": int,  # default 30
        "center_y_offset_ratio": float,  # default 1.0
        "width_scale": float,    # default 1.2
        "height_scale": float,   # default 0.5
        "area_scale": float,     # default 1.5
    },
    "crane_lifted_object": {
        "enabled": bool,         # default False
        "area_threshold": float, # default 900.0
        "score_threshold": int,  # default 30
        "center_y_offset_ratio": float,  # default 1.0
        "width_scale": float,    # default 1.2
        "height_scale": float,   # default 0.5
        "area_scale": float,     # default 1.5
    },
    "heavy_equipment": {
        "enabled": bool,         # default False
        "area_threshold": float, # default 900.0
        "score_threshold": int,  # default 30
        "center_y_offset_ratio": float,  # default 1.0
        "width_scale": float,    # default 1.2
        "height_scale": float,   # default 0.5
        "area_scale": float,     # default 1.5
    },
    "vehicle": {
        "enabled": bool,         # default False
        "area_threshold": float, # default 900.0
        "score_threshold": int,  # default 30
        "center_y_offset_ratio": float,  # default 1.0
        "width_scale": float,    # default 1.2
        "height_scale": float,   # default 0.5
        "area_scale": float,     # default 1.5
    },
}

Raises:

Type	Description
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대한 정보를 요청할 때 발생하는 에러

Usage

err, msg, options = handler.get_default_object_options(camera_id=0)
print(options)
# {"person": {...}, ...} # object type별 기본 옵션이 반환됩니다.

`get_object_options(camera_id)`

등록된 camera_id에 대한 object options를 반환합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	object options를 반환할 camera_id	required

Returns:

Type	Description
`dict[str, dict]`	dict[str, dict[str, Any]]: object options. 형태는 `InferenceHandler.get_default_object_options`의 반환값과 동일합니다.

Raises:

Type	Description
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대한 정보를 요청할 때 발생하는 에러

Usage

options = handler.get_object_options(camera_id=0)
print(options)
# {"person": {...}, ...} # 사용자가 설정한 값이 반환됩니다.

`set_object_options(camera_id, object_options)`

등록된 camera_id에 대한 object options를 설정합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	object options를 설정할 camera_id	required
`object_options`	`dict[str, dict]]`	object options. 형태는 `InferenceHandler.get_default_object_options`의 반환값과 동일합니다.	required

Returns:

Name	Type	Description
`None`	`None`	None

Raises:

Type	Description
`InvalidObjectOptionsError`	object_options가 올바르지 않을 때 발생하는 에러
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대해 설정할 때 발생하는 에러

Usage

options = handler.get_object_options(camera_id=0)
options["person"]["enabled"] = True
options["person"]["score_threshold"] = 50
handler.set_object_options(camera_id=0, object_options=options)
options = handler.get_object_options(camera_id=0)
print(options)
# {"person": {"enabled": True, "area_threshold": 900.0, "score_threshold": 50}, ...} # 설정한 값이 반환됩니다.
# {"smoke": {"enabled": True, "area_threshold": 900.0, "score_threshold": 50, "movement_score_threshold": 10}, ...} # 설정한 값이 반환됩니다.

`get_default_event_options(camera_id)`

등록된 camera_id에 대한 default event options를 반환합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	default event options를 반환할 camera_id	required

Returns:

Type Description

dict[str, dict]

dict[str, dict[str, Any]]: event options

{
    "fire_detect": {
        "fire_score_threshold": int,    # fire score threshold. 이 값보다 높은 fire score를 가진 object에 대해서만 이벤트를 발생시킵니다. (default 10)
    },
    "smoke_detect": {
        "smoke_score_threshold": int,   # smoke score threshold. 이 값보다 높은 smoke score를 가진 object에 대해서만 이벤트를 발생시킵니다. (default 10)
    },
    "without_helmet": {
        "ignore_dark_object": bool,     # 어두운 객체에 대한 이벤트를 무시할지 여부. (default True)
        "object_area_threshold": float,  # object area threshold. 이 값보다 큰 object에 대해서만 이벤트를 발생시킵니다. (default 0.0)
        "head_score_threshold": int,    # head score threshold. 이 값보다 높은 head score를 가진 object에 대해서만 이벤트를 발생시킵니다. (default 90)
        "helmet_score_threshold": int,  # helmet score threshold. 이 값보다 낮은 helmet score를 가진 object에 대해서만 이벤트를 발생시킵니다. (default 30)
    },
    "without_harness": {
        "ignore_dark_object": bool,     # 어두운 객체에 대한 이벤트를 무시할지 여부. (default True)
        "object_area_threshold": float,  # object area threshold. 이 값보다 큰 object에 대해서만 이벤트를 발생시킵니다. (default 0.0)
        "harness_score_threshold": int, # harness score threshold. 이 값보다 낮은 harness score를 가진 object에 대해서만 이벤트를 발생시킵니다. (default 30)
    },
    "fallen_person": {
        "ignore_crossing_image_border_object": bool, # 이미지 경계를 넘어가는 객체에 대한 이벤트를 무시할지 여부. (default True)
        "ignore_dark_object": bool,                  # 어두운 객체에 대한 이벤트를 무시할지 여부. (default True)
        "object_area_threshold": float,               # object area threshold. 이 값보다 큰 object에 대해서만 이벤트를 발생시킵니다. (default 0.0)
        "fall_down_score_threshold": int,            # fall_down score threshold. 이 값보다 높은 fall_down score를 가진 object에 대해서만 이벤트를 발생시킵니다. (default 70)
    },
    "trespass_detect": {
        "area_ratio_threshold": int,                 # area_ratio_threshold. 2D/3D 모두 적용. (default 95)
                                                     # 이 값보다 높은 intersection area ratio (intersection_area / object_area) 를 가진 object에 대해서만 이벤트를 발생시킵니다.
        "polygons": list[list[list[int]]],     # 침입 감지할 영역의 polygon list. (default [])
            ```python
                [
                    [[x1, y1], ..., [xn, yn]], # n개의 점으로 이루어진 polygon (n >= 3)
                    ...
                ]
            ```
        "use_depth": bool,                     # depth 정보를 사용할지 여부. (default False)
    },
    "danger_detect": {
        "area_ratio_threshold": int,                 # area_ratio_threshold. (default 95)
                                                     # 이 값보다 높은 intersection area ratio (intersection_area / object_area) 를 가진 object에 대해서만 이벤트를 발생시킵니다.
        "polygons": list[list[list[int]]],     # 배회 감지할 영역의 polygon list. (default [])
            ```python
                [
                    [[x1, y1], ..., [xn, yn]], # n개의 점으로 이루어진 polygon (n >= 3)
                    ...
                ]
            ```
    }
    "in_collision_hazard_zone": {
        "area_ratio_threshold": int,                 # area_ratio_threshold. (default 95)
                                                     # 이 값보다 높은 intersection area ratio (intersection_area / object_area) 를 가진 object에 대해서만 이벤트를 발생시킵니다.
        "polygons": list[list[list[int]]],     # 충돌 감지할 영역의 polygon list. (default [])
            ```python
                [
                    [[x1, y1], ..., [xn, yn]], # n개의 점으로 이루어진 polygon (n >= 3)
                    ...
                ]
            ```
    }
    "collision_hazard_detect":  {
        "area_ratio_threshold": int,                 # area_ratio_threshold. (default 95)
                                                     # 이 값보다 높은 intersection area ratio (intersection_area / object_area) 를 가진 object에 대해서만 이벤트를 발생시킵니다.
        "movement_score_threshold": int,       # movement_score threshold. 이 값보다 높은 movement score를 가진 object에 대해서만 이벤트를 발생시킵니다. (default 5)
        "polygons": list[list[list[int]]],     # 충돌 감지할 영역의 polygon list. (default [])
            ```python
                [
                    [[x1, y1], ..., [xn, yn]], # n개의 점으로 이루어진 polygon (n >= 3)
                    ...
                ]
            ```
        "hazard_object_types": list[str],            # 충돌 위험 객체로 사용할 object type 리스트. (default 사용 가능한 object type 전체)
                                                     # 사용 가능한 object type은 ["excavator", "forklift", "crane_body", "crane_hook", "crane_lifted_object", "heavy_equipment", "vehicle"] 입니다.
    }
    "crush_detect": {
        "area_ratio_threshold": int,                 # area_ratio_threshold. (default 50)
                                                     # 이 값보다 높은 intersection area ratio (intersection_area / object_area) 를 가진 object에 대해서만 이벤트를 발생시킵니다.
        "use_depth": bool,                           # depth 정보를 사용할지 여부. (default False)
        "hazard_object_types": list[str],            # 협착 위험 객체로 사용할 object type 리스트. (default 사용 가능한 object type 전체)
                                                     # 사용 가능한 object type은 ["excavator", "forklift", "crane_body", "crane_hook", "crane_lifted_object", "heavy_equipment", "vehicle"] 입니다.
    }
    "proximity_hazard_detect": {
        "use_depth": bool,                           # depth 정보를 사용할지 여부. (default False). 현재는 use_depth가 True인 경우에만 동작합니다.
        "polygon_pairs": list[list[list[list[int, int]]]], # 근접 위험 영역의 polygon 쌍 리스트. (default [])
                                                           # 각 polygon 쌍은 충돌 위험 객체를 위한 polygon과 침입 영역을 위한 polygon 순으로 입력된다고 가정합니다.
            ```python
                [
                    [                                                                           [
                        # 충돌 위험 객체를 위한 polygon
                        [[x1, y1], ..., [xn, yn]], # n개의 점으로 이루어진 polygon (n >= 3)

                        # 침입 영역을 위한 polygon 리스트
                        [[x1, y1], ..., [xn, yn]], # n개의 점으로 이루어진 polygon (n >= 3)

                    ],
                    ... # 여러 개의 polygon 쌍
                ]
            ```
        "hazard_object_types": list[str],            # 근접 위험 객체로 사용할 object type 리스트. (default 사용 가능한 object type 전체)
                                                     # 사용 가능한 object type은 ["excavator", "forklift", "crane_body", "crane_hook", "crane_lifted_object", "heavy_equipment", "vehicle"] 입니다.
    }
    "payload_instability_detect": {
        "payload_instability_min_width": int,        # 적재불량 검사에 사용할 최소 적재물 너비 (픽셀 단위). (default 100)
        "payload_instability_active": bool           # 적재불량 검사 활성화 여부. (default False)
        "payload_instability_score_threshold": int   # 적재불량 score threshold. 이 값보다 낮은 payload_instability score를 가진 object에 대해서만 이벤트를 발생시킵니다. (default 80)
    }
}

Usage

err, msg, options = handler.get_default_event_options(camera_id=0)
print(options)
# {"fire_detect": {...}, ...} # event type별 기본 옵션이 반환됩니다.

`get_event_options(camera_id)`

등록된 camera_id에 대한 event options를 반환합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	event options를 반환할 camera_id	required

Returns:

Type	Description
`dict[str, dict]`	dict[str, dict[str, Any]]: event options. 형태는 `InferenceHandler.get_default_event_options`의 반환값과 동일합니다.

Raises:

Type	Description
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대한 정보를 요청할 때 발생하는 에러

Usage

options = handler.get_event_options(camera_id=0)
print(options)
# {"fire_detect": {...}, ...} # 사용자가 설정한 값이 반환됩니다

`set_event_options(camera_id, event_options)`

등록된 camera_id에 대한 event options를 설정합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	event options를 설정할 camera_id	required
`event_options`	`dict[str, dict]]`	event options. 형태는 `InferenceHandler.get_default_event_options`의 반환값과 동일합니다.	required

Returns:

Name	Type	Description
`None`	`None`	None

Raises:

Type	Description
`InvalidEventOptionsError`	event_options가 올바르지 않을 때 발생하는 에러
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대해 설정할 때 발생하는 에러

Usage

options = handler.get_event_options(camera_id=0)
options["fire_detect"]["fire_score_threshold"] = 20
handler.set_event_options(camera_id=0, event_options=options)
options = handler.get_event_options(camera_id=0)
print(options)
# {"fire_detect": {"fire_score_threshold": 20}, ...} # 설정한 값이 반환됩니다.

`get_default_alarm_options(camera_id)`

등록된 camera_id에 대한 default alarm options를 반환합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	default alarm options를 반환할 camera_id	required

Returns:

Type Description

dict[str, dict]

dict[str, dict]: alarm options

{
    "fire_detect": {
        "enabled": bool,                # 해당 event_type에 대한 알람 활성화 여부. (default False)
        "start_time": int,              # 알람 활성화 시작 시각. 00:00:00 (단위: 초, default 0)
        "end_time": int,                # 알람 활성화 종료 시각. 24:00:00 (단위: 초, default 86400)
        "alarm_interval": int,          # 한번 울린 알람이 다시 울리기 까지 시간. (단위: 초, default 300)
        "repeat_threshold": int,        # 해당 기간 동안 일정 비율 이상의 event가 발생해야 알람이 발생. (단위: 초, default 3)
        "alarm_ratio_threshold": int,   # repeat_threshold 기간 동안 event가 발생한 비율이 이 값보다 크면 알람 발생. (단위: %, default 50)
    },
    "smoke_detect": {
        "enabled": bool,
        "start_time": int,
        "end_time": int,
        "alarm_interval": int,
        "repeat_threshold": int,
        "alarm_ratio_threshold": int,
    },
    "without_helmet": {
        "enabled": bool,
        "start_time": int,
        "end_time": int,
        "alarm_interval": int,
        "repeat_threshold": int,
        "alarm_ratio_threshold": int,
    },
    "without_harness": {
        "enabled": bool,
        "start_time": int,
        "end_time": int,
        "alarm_interval": int,
        "repeat_threshold": int,
        "alarm_ratio_threshold": int,
    },
    "fallen_person": {
        "enabled": bool,
        "start_time": int,
        "end_time": int,
        "alarm_interval": int,
        "repeat_threshold": int,
        "alarm_ratio_threshold": int,
    },
    "trespass_detect": {
        "enabled": bool,
        "start_time": int,
        "end_time": int,
        "alarm_interval": int,
        "repeat_threshold": int,
        "alarm_ratio_threshold": int,
    },
    "danger_detect": {
        "enabled": bool,
        "start_time": int,
        "end_time": int,
        "alarm_interval": int,
        "repeat_threshold": int,
        "alarm_ratio_threshold": int,
    },
    "in_collision_hazard_zone": {
        "enabled": bool,
        "start_time": int,
        "end_time": int,
        "alarm_interval": int,
        "repeat_threshold": int,
        "alarm_ratio_threshold": int,
    },
    "collision_hazard_detect": {
        "enabled": bool,
        "start_time": int,
        "end_time": int,
        "alarm_interval": int,
        "repeat_threshold": int,
        "alarm_ratio_threshold": int,
    },
    "crush_detect": {
        "enabled": bool,
        "start_time": int,
        "end_time": int,
        "alarm_interval": int,
        "repeat_threshold": int,
        "alarm_ratio_threshold": int,
    },
    "proximity_hazard_detect": {
        "enabled": bool,
        "start_time": int,
        "end_time": int,
        "alarm_interval": int,
        "repeat_threshold": int,
        "alarm_ratio_threshold": int,
    },
    "payload_instability_detect": {
        "enabled": bool,
        "start_time": int,
        "end_time": int,
        "alarm_interval": int,
        "repeat_threshold": int,
        "alarm_ratio_threshold": int,
    },
}

Note

start_time == end_time인 경우, 항상 알람이 활성화 됩니다.
start_time > end_time인 경우, 자정을 넘기는 구간으로 해석됩니다. (예: 23:00~04:00 → 23:00~24:00, 00:00~04:00 활성화)

Raises:

Type	Description
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대한 정보를 요청할 때 발생하는 에러

Usage

err, msg, options = handler.get_default_alarm_options(camera_id=0)
print(options)
# {"fire_detect": {...}, ...} # event type별 기본 옵션이 반환됩니다

`get_alarm_options(camera_id)`

등록된 camera_id에 대한 alarm options를 반환합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	alarm options를 반환할 camera_id	required

Returns:

Type	Description
`dict[str, dict]`	dict[str, dict]: alarm options. 형태는 `InferenceHandler.get_default_alarm_options`의 반환값과 동일합니다.

Raises:

Type	Description
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대한 정보를 요청할 때 발생하는 에러

Usage

options = handler.get_alarm_options(camera_id=0)
print(options)
# {"fire_detect": {...}, ...} # 사용자가 설정한 값이 반환됩니다

`set_alarm_options(camera_id, alarm_options)`

등록된 camera_id에 대한 alarm options를 설정합니다.

Parameters:

Name	Type	Description	Default
`camera_id`	`int`	alarm options를 설정할 camera_id	required
`alarm_options`	`dict[str, dict]]`	alarm options. 형태는 `InferenceHandler.get_default_alarm_options`의 반환값과 동일합니다.	required

Returns:

Name	Type	Description
`None`	`None`	None

Raises:

Type	Description
`InvalidAlarmOptionsError`	alarm_options가 올바르지 않을 때 발생하는 에러
`UnregisteredCameraIdError`	등록되지 않은 camera_id에 대해 설정할 때 발생하는 에러

Usage

options = handler.get_alarm_options(camera_id=0)
options["fire_detect"]["enabled"] = True
options["fire_detect"]["start_time"] = 8 * 3600
options["fire_detect"]["end_time"] = 18 * 3600
handler.set_alarm_options(camera_id=0, alarm_options=options)
options = handler.get_alarm_options(camera_id=0)
print(options)
# {"fire_detect": {"enabled": True, "start_time": 28800, "end_time": 64800, ...}, ...} # 설정한 값이 반환됩니다.

`reset()`

InferenceHandler의 상태를 초기화합니다.

Usage

handler.reset()

`get_depth_fitting_preview(image, surface_points)`

이미지에 depth fitting preview를 적용합니다.

Parameters:

Name	Type	Description	Default
`image`	`ndarray`	depth fitting preview를 적용할 이미지, shape: (H, W, C)	required
`surface_points`	`list[list[int]]`	depth fitting을 위한 reference surface points.	required

Returns:

Type	Description
`ndarray`	np.ndarray: depth fitting preview가 적용된 이미지

Raises:

Type	Description
`InsufficientSurfacePointsError`	surface_points의 개수가 3개 미만인 경우 발생하는 에러

Usage

import cv2
image = cv2.imread("image.jpg")
surface_points = [[100, 100], [200, 100], [150, 200]]
err, msg, preview = handler.get_depth_fitting_preview(image, surface_points)
cv2.imwrite("preview.jpg", preview)

Inference

safety.InferenceHandler

build(config) classmethod

infer(images, camera_ids, timestamps)

warmup()

get_default_inference_option(model, key)

get_inference_option(model, key)

set_inference_option(model, key, value)

register_camera(camera_id)

release_camera(camera_id)

get_registered_camera_ids()

get_default_tracker_option(camera_id)

get_tracker_option(camera_id)

set_tracker_option(camera_id, tracker_option)

get_default_grid_option(camera_id)

get_grid_option(camera_id)

set_grid_option(camera_id, grid_option)

get_reference_image(camera_id)

set_reference_image(camera_id, reference_image, surface_points)

get_monitoring_area(camera_id)

set_monitoring_area(camera_id, monitoring_area)

get_default_object_options(camera_id)

get_object_options(camera_id)

set_object_options(camera_id, object_options)

get_default_event_options(camera_id)

get_event_options(camera_id)

set_event_options(camera_id, event_options)

get_default_alarm_options(camera_id)

get_alarm_options(camera_id)

set_alarm_options(camera_id, alarm_options)

reset()

get_depth_fitting_preview(image, surface_points)

`safety.InferenceHandler`

`build(config)` `classmethod`

`infer(images, camera_ids, timestamps)`

`warmup()`

`get_default_inference_option(model, key)`

`get_inference_option(model, key)`

`set_inference_option(model, key, value)`

`register_camera(camera_id)`

`release_camera(camera_id)`

`get_registered_camera_ids()`

`get_default_tracker_option(camera_id)`

`get_tracker_option(camera_id)`

`set_tracker_option(camera_id, tracker_option)`

`get_default_grid_option(camera_id)`

`get_grid_option(camera_id)`

`set_grid_option(camera_id, grid_option)`

`get_reference_image(camera_id)`

`set_reference_image(camera_id, reference_image, surface_points)`

`get_monitoring_area(camera_id)`

`set_monitoring_area(camera_id, monitoring_area)`

`get_default_object_options(camera_id)`

`get_object_options(camera_id)`

`set_object_options(camera_id, object_options)`

`get_default_event_options(camera_id)`

`get_event_options(camera_id)`

`set_event_options(camera_id, event_options)`

`get_default_alarm_options(camera_id)`

`get_alarm_options(camera_id)`

`set_alarm_options(camera_id, alarm_options)`

`reset()`

`get_depth_fitting_preview(image, surface_points)`