स्टेशन और सार्वजनिक स्थानों के लिए ज़मीन पर लेटे व्यक्ति की पहचान

एक जैसी मुद्रा सशस्त्र डकैती, सड़क पर हुई लड़ाई, गिरने या किसी चिकित्सा-घटना के बाद भी हो सकती है। व्यक्ति सो भी रहा हो सकता है या बाहर शरण ले रहा हो सकता है। एक फ़्रेम कारण या व्यक्ति की परिस्थिति स्थापित नहीं कर सकता। यह ऑपरेटर को जाँचने का कारण दे सकता है।

StreamVLM™ में, एक अधिकृत ऑपरेटर एक स्थिति लिखता है, जैसे “मेट्रो में दिन हो या रात, फ़र्श पर लेटे किसी भी व्यक्ति का पता लगाएँ।” विज़न-लैंग्वेज मॉडल चयनित लाइव फ़्रेम का उस प्रॉम्प्ट के विरुद्ध मूल्यांकन करता है। मिलान होने पर फ़्रेम, कैमरा, स्थान और समय के साथ समीक्षा के लिए एक इवेंट बनता है, अन्य IREX वीडियो एनालिटिक्स जैसे ही अलर्ट वर्कफ़्लो का उपयोग करते हुए।

StreamVLM™ ग्राहक के instance में एक GPU नोड पर चलता है। ऑपरेटर हर डिटेक्टर की confidence threshold और अलर्ट कूलडाउन सेट करता है, फिर वह उन कैमरों को चुनता है जहाँ वह स्थिति प्रासंगिक है।

ये सिंथेटिक स्टॉकहोम दृश्य एक ही प्रॉम्प्ट का उपयोग करते हैं। वे दिखाते हैं कि मिलान मानव-निर्णय के लिए एक शुरुआती बिंदु क्यों है, न कि कोई घटना-वर्गीकरण या सटीकता का मापदंड।