# Object Detection

Esta función detecta objetos comunes en una imagen y devuelve resultados tanto visuales como estructurados. Úsala para localizar y contar elementos como personas, vehículos y muchas clases COCO. Ofrece configuración rápida para la confianza y la selección de clases, de modo que puedas adaptar la detección a tu escenario.

## 📥 Entradas

* `Image Any` — Imagen que deseas analizar.

## 📤 Salidas

* `Image Any` — Imagen anotada con cuadros de detección y etiquetas.
* `Object Count` — Número de objetos detectados.
* `Object Center Locations` — Ubicaciones (centros) de los objetos detectados (puede haber múltiples).
* `Object Sizes (w, h)` — Pares ancho/alto para cada objeto detectado (puede haber múltiples).
* `Object Class` — Nombres de clase para cada objeto detectado (puede haber múltiples).
* `Rectangles` — Coordenadas de los rectángulos delimitadores para cada detección (puede haber múltiples).

## 🕹️ Controles

* `Confidence Threshold %` — Control deslizante para fijar la confianza mínima necesaria para aceptar detecciones. Aumentarlo reduce los falsos positivos; bajarlo puede detectar más objetos pero con menor seguridad.
* `Select Detection Class` — Desplegable para elegir un grupo predefinido de clases (por ejemplo: All, Human, Animals, Indoor, Outdoor). Seleccionar un grupo más limitado acelera y enfoca la detección.

## ⚙️ Cómo funciona

* Al ejecutarse, el bloque procesa la imagen entrante con el detector interno y aplica el filtro de confianza y la selección de clases elegidas.
* Devuelve la imagen anotada junto con salidas estructuradas: conteo, posiciones centrales, tamaños, nombres de clase y coordenadas de rectángulos.
* Si el detector aún se está cargando, el bloque mostrará un mensaje informativo y esperará hasta que el detector esté listo antes de producir resultados.

## 🎯 Características

* Detección lista para usar para muchas clases comunes.
* Presets de grupos de clases para enfocarse rápidamente en personas, animales, objetos de interior, objetos de exterior o todas las clases.
* Salida visual anotada más salidas numéricas/estructuradas detalladas para automatización o registro.
* Controles sencillos para equilibrar sensibilidad de detección y seleccionar las clases deseadas.

## 📝 Instrucciones de uso

1. Conecta una cámara o fuente de imagen al input `Image Any`.
2. Elige un preset adecuado en `Select Detection Class` para limitar la detección a las clases relevantes.
3. Ajusta `Confidence Threshold %` para encontrar el equilibrio entre objetos perdidos y falsos positivos.
4. Usa las salidas para activar lógica posterior, seguimiento, visualización o almacenamiento.

## 💡 Tips y trucos

* Para entrada de cámara en vivo, usa uno de los bloques de entrada de imagen como `Camera USB`, `Camera IP (ONVIF)`, `Stream Reader` o `Load Image` para pruebas fuera de línea.
* Para visualizar las detecciones en la UI o en un panel, conecta la salida anotada a `Show Image` o dibuja superposiciones con `Draw Detections`.
* Para rastrear objetos entre fotogramas, alimenta las salidas de detección a `Object_Detection_Tracker` para obtener IDs estables y trayectorias.
* Si solo te importa un área específica, recorta la entrada primero con `Image ROI` o `Image ROI Select` para reducir detecciones falsas y mejorar el rendimiento.
* Con imágenes muy grandes, usa `Image Resize` o `Image Resizer` antes de detectar para acelerar el procesamiento.
* Guarda fotogramas o registros interesantes canalizando la imagen anotada a `Image Logger`, `Multi Image Write` o `Record Video` cuando aparezca un recuento o clase específica. Combínalo con bloques lógicos (por ejemplo `Logic Input` o comprobaciones por umbral) para guardar solo en eventos.
* Combina con bloques de análisis como `Measure Position Distance` o comprobaciones de ROI como `Check Area` para crear alertas o análisis (por ejemplo, contar personas en una zona o medir distancias).

## 🛠️ Solución de problemas

* Si ves demasiados falsos positivos: aumenta `Confidence Threshold %` o reduce el ámbito con `Select Detection Class`.
* Si la detección es lenta: redimensiona la entrada con `Image Resize` o reduce el número de clases buscando un grupo más pequeño.
* Si la imagen anotada aparece vacía pero otras salidas muestran detecciones: verifica que el bloque de visualización (por ejemplo `Show Image`) esté conectado y recibiendo la imagen anotada.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.augelab.com/spanish/bloques-de-funcion/ai-blocks/object-detection.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.