Настройки за Фиксиране на движение в Swing Catalyst
Въведение
Тази статия описва как да настроите и конфигурирате функционалността за Фиксиране на движение в Swing Catalyst. Тази функция може да не е налична за всички видове лицензи — вижте нашите Често задавани въпроси за Фиксиране на движение за повече информация.
Изисквания
- Компонентите трябва да бъдат инсталирани в директорията за компоненти.
Компютърът ви трябва да отговаря на нашите препоръки за PC спецификации — най-важното е графичната карта да отговаря на нашите препоръки.
Конфигурация
Настройките за Фиксиране на движение се намират в главното меню Настройки, в секцията „Видео и Запис". Оттам можете да изберете или промените доставчиците за изпълнение и размера на партидата.
Препоръчваме размер на партидата между 12 и 24 в зависимост от броя активни/включени камери.
Препоръчван доставчик за изпълнение
NVIDIA
NVIDIA RTX 3060 или по-нова GPU -> TensorRT
Ако TensorRT не работи, опитайте с CUDA
Други графични карти
- DirectML
По подразбиране е зададен DirectML, тъй като е най-съвместимият доставчик. За съжаление обаче е и най-бавният.
При тестването установихме, че TensorRT е най-ефективният от доставчиците за изпълнение.
TensorRT е средно (35–45% по-бърз от DirectML, 20–25% по-бърз от CUDA)
CUDA предлага умерено подобрение спрямо DirectML (средно 10–12%)
CUDA използва значително повече памет на GPU (VRAM) от TensorRT — опитайте да намалите размера на партидата, ако използвате CUDA
Изтегляне на компоненти
Ако изберете компонент, който все още не е инсталиран, ще бъдете подканени да го изтеглите.
За да използвате TensorRT или CUDA, първо трябва да изтеглите компонентите.
note: Тази функция е налична само във версия 25.2.
Препоръчителен размер на партидата
Според нашето тестване по-големите размери на партидата осигуряват по-добро Представяне. Препоръчваме размер на партидата между 16 и 24 за типична конфигурация с 2–3 камери. Ако едновременно използвате друг софтуер, който изисква графични ресурси, може да е полезно да опитате с по-малък размер на партидата. В крайна сметка оптималният размер на партидата може да зависи от вашия работен процес и от това какви програми работят едновременно със Swing Catalyst.
Разширени настройки
Под настройките на доставчика за изпълнение се намират разширените настройки, от които можете да промените модела за разпознаване или да активирате „FP16".
Промяната на модела за разпознаване от Medium на Nano може да намали използваната памет на графичната карта и да подобри Представянето, но за сметка на точността.
Ако имате затруднения с постигането на добро разпознаване, опитайте да смените модела на Medium, рестартирайте SwingCatalyst и опитайте отново.
Моделът за разпознаване по подразбиране е Nano
„FP16 за TensorRT" по подразбиране не е отметнато
FP16
Използването на FP16 може да намали използването на памет и да подобри Представянето (за сметка на точността).
По време на тестването установихме, че FP16 може да подобри Представянето с 20–35%.
Може също така да доведе до по-непоследователни резултати между отделните Записи в сравнение с FP32 по подразбиране. Струва си да го изпробвате, ако имате проблеми с Представянето или ако паметта ви е на изчерпване.
Сравнения на Представянето
TensorRT (лилаво), CUDA (розово) и DirectML (зелено), отляво надясно. Оста Y (FPS) представлява броя Кадри в секунда, които моделът за Фиксиране на движение е в състояние да обработи, и не е пряко свързана с Честотата на кадрите на вашата камера.
Метриката за Представяне (FPS) показва колко Кадри в секунда се обработват — колкото по-голямо е числото, толкова по-бърза е обработката. Както се вижда от илюстрацията по-горе, и CUDA, и TensorRT са почти линейни. Например при преминаване от една към две камери Представянето намалява почти наполовина. Това намаление е по-слабо забележимо при по-новите NVIDIA графични карти.
Последна актуализация: 2025-05-16 | Вижте на официалния сайт за поддръжка