DifícilOpción múltiple

Pregunta de práctica de AI-900

Una empresa minorista quiere utilizar cámaras de seguridad para analizar el flujo de clientes. Necesitan detectar cuándo una persona entra en una zona específica de la tienda, contar cuántas personas hay en esa zona en un momento dado y rastrear la dirección en la que se mueve cada persona dentro de la zona. ¿Qué capacidad de Azure Computer Vision deben utilizar?

Elige la mejor respuesta.

Respuesta correcta

  • BSpatial Analysis

Explicación

Spatial Analysis es la capacidad correcta de Azure Computer Vision porque está diseñada específicamente para analizar fuentes de vídeo de cámaras para detectar personas, contarlas en zonas definidas y rastrear su dirección de movimiento. A diferencia de la detección de objetos general, Spatial Analysis proporciona las funciones especializadas para la ocupación de zonas y el seguimiento de trayectorias de personas requeridas por el escenario minorista.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Object detection

Object detection devuelve cuadros delimitadores para las personas pero no mantiene la identidad entre fotogramas, por lo que no puede contar cuántas permanecen en una zona ni determinar la dirección de viaje de cada persona. Se ajusta a la localización y clasificación de objetos discretos en una sola imagen, no al seguimiento continuo de zonas.

B

Correcta

Spatial Analysis

Spatial Analysis está diseñada específicamente para extraer información de seguimiento de personas a partir de fuentes de vídeo, proporcionando detección de entrada a zonas, recuentos de ocupación en tiempo real y vectores de movimiento direccional. Satisface directamente el requisito establecido de monitorear una zona específica de la tienda, contar los ocupantes y rastrear la dirección de cada persona.

C

Incorrecta

Optical Character Recognition (OCR)

OCR extrae caracteres de texto de las imágenes, por lo que no puede detectar personas, contar ocupantes ni seguir trayectorias de movimiento. Es la capacidad correcta al leer señalización, etiquetas de estantes o matrículas, ninguna de las cuales requiere el escenario de flujo de clientes minoristas.

D

Incorrecta

Semantic segmentation

Semantic segmentation asigna una etiqueta de clase a cada píxel, produciendo una máscara densa pero sin identidad por persona, por lo que no puede contar individuos distintos ni rastrear la dirección del movimiento entre fotogramas. Se adapta al etiquetado de escenas, como separar los píxeles de carretera, cielo y peatones, no a eventos de entrada a zonas.

Para profundizar

Azure Spatial Analysis es una capacidad de contenedor de Computer Vision que ingiere transmisiones de vídeo y emite eventos estructurados sobre el movimiento de las personas en zonas definidas. Admite operaciones como PersonCrossingLine, PersonCrossingPolygon y PersonZoneEnterExitEvent, y puede producir recuentos de personas en una zona más la dirección del movimiento (de izquierda a derecha, de derecha a izquierda, etc.). Se ejecuta como un contenedor Docker en el borde o en la nube, por lo que el vídeo se puede procesar localmente para garantizar la privacidad y una baja latencia. La detección de objetos devuelve cuadros delimitadores pero no semántica de entrada de zona ni seguimiento direccional; OCR lee texto; la segmentación semántica clasifica píxeles. Para la analítica de flujo minorista que requiere ocupación de zona y dirección, Spatial Analysis es la capacidad diseñada específicamente para este fin.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de AI-900 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.