驾驶行为分析
所有文档

          人体分析

          驾驶行为分析

          对于输入的一张车载驾驶员监控图片(可正常解码,且长宽比适宜),识别图像中是否有人体,若检测到至少1个人体,将目标最大的人体作为驾驶员,进一步识别驾驶员的属性行为,可识别使用手机、抽烟、未系安全带、双手离开方向盘、视线未朝前方、未佩戴口罩、闭眼、打哈欠、低头9种典型行为姿态

          注:若图像中检测到多个大小相当的人体,默认取画面中右侧最大的人体作为驾驶员;针对香港、海外地区的右舵车,可通过请求参数里的wheel_location字段,指定将左侧最大的人体作为驾驶员

          图片质量要求

          • 服务只适用于车载驾驶室监控场景,普通室内外监控场景,若要识别使用手机、抽烟等行为属性,请使用人体检测与属性识别服务。
          • 车内摄像头硬件选型无特殊要求,分辨率建议720p以上,但更低分辨率的图片也能识别,只是效果可能有差异。
          • 车内摄像头部署方案建议:尽可能拍全驾驶员的身体,并充分考虑背光、角度、方向盘遮挡等因素。
          • 服务适用于夜间红外监控图片,识别效果跟可见光图片相比可能略微有差异。
          • 图片主体内容清晰可见,模糊、驾驶员遮挡严重、光线暗等情况下,识别效果肯定不理想。

          示例图参考:

          """ 读取图片 """
          def get_file_content(filePath):
              with open(filePath, 'rb') as fp:
                  return fp.read()
          
          image = get_file_content('example.jpg')
          
          """ 调用驾驶行为分析 """
          client.driverBehavior(image);
          
          """ 如果有可选参数 """
          options = {}
          options["type"] = "smoke"
          
          """ 带参数调用驾驶行为分析 """
          client.driverBehavior(image, options)

          驾驶行为分析 请求参数详情

          参数名称 是否必选 类型 说明
          image string 图像数据,base64编码,要求base64编码后大小不超过4M,最短边至少15px,最长边最大4096px,支持jpg/png/bmp格式
          type string 识别的属性行为类别,英文逗号分隔,默认所有属性都识别;
          smoke //吸烟,
          cellphone //打手机 ,
          not_buckling_up // 未系安全带,
          both_hands_leaving_wheel // 双手离开方向盘,
          not_facing_front // 视角未看前方,
          no_face_mask // 未正确佩戴口罩,
          yawning // 打哈欠,
          eyes_closed // 闭眼,
          head_lowered // 低头
          wheel_location string 默认值"1",表示左舵车(普遍适用于中国大陆地区,若图像中检测到多个大小相当的人体,默认取画面中右侧最大的人体作为驾驶员);
          "0"表示右舵车(适用于香港等地区,若图像中检测到多个大小相当的人体,则取画面中左侧最大的人体作为驾驶员);
          其他输入值视为非法输入,直接使用默认值

          驾驶行为分析 返回数据参数详情

          字段 是否必选 类型 说明
          person_num uint64 检测到的总人数(包括驾驶员和乘客),0代表未监测到驾驶员
          driver_num uint64 检测到的驾驶员数目。若大于1,则综合考虑人体框尺寸和位置,选取最佳驾驶员目标框进行属性分析,默认取画面中右侧最大的人体作为驾驶员(普遍适用于中国大陆地区)
          person_info object[] 驾驶员的属性行为信息;若未检测到驾驶员,则该项为[]
          +location object 检测出驾驶员的位置
          ++left int 检测区域在原图的左起开始位置
          ++top int 检测区域在原图的上起开始位置
          ++width int 检测区域宽度
          ++height int 检测区域高度
          +attributes object 驾驶员属性行为内容
          ++smoke object 吸烟
          +++score float 对应概率分数
          +++threshold float 建议阈值,仅作为参考,实际应用中根据测试情况选取合适的score阈值即可
          ++cellphone object 使用手机
          +++score float 对应概率分数
          +++threshold float 建议阈值,仅作为参考,实际应用中根据测试情况选取合适的score阈值即可
          ++not_buckling_up object 未系安全带
          +++score float 对应概率分数
          +++threshold float 建议阈值,仅作为参考,实际应用中根据测试情况选取合适的score阈值即可
          ++both_hands_leaving_wheel object 双手离开方向盘
          +++score float 对应概率分数
          +++threshold float 建议阈值,仅作为参考,实际应用中根据测试情况选取合适的score阈值即可
          ++not_facing_front object 视角未朝前方
          +++score float 对应概率分数
          +++threshold float 建议阈值,仅作为参考,实际应用中根据测试情况选取合适的score阈值即可
          ++no_face_mask object 未正确佩戴口罩,包含戴了口罩、但口鼻外露这类未戴好的情况
          +++score float 对应概率分数
          +++threshold float 建议阈值,仅作为参考,实际应用中根据测试情况选取合适的score阈值即可
          ++yawning object 打哈欠,实际应用时,可结合闭眼综合判断疲劳,避免普通张嘴、说话等情况下被误判
          +++score float 对应概率分数
          +++threshold float 建议阈值,仅作为参考,实际应用中根据测试情况选取合适的score阈值即可
          ++eyes_closed object 闭眼, 实际应用时,可结合打哈欠综合判断疲劳,避免正常眨眼等情况下被误判
          +++score float 对应概率分数
          +++threshold float 建议阈值,仅作为参考,实际应用中根据测试情况选取合适的score阈值即可
          ++head_lowered object 低头,实际应用时,可结合闭眼、视角未朝前方综合判断分心、疲劳,避免单一属性引起误判
          +++score float 对应概率分数
          +++threshold float 建议阈值,仅作为参考,实际应用中根据测试情况选取合适的score阈值即可

          返回示例

             {
          	"person_num": 1,
          	"person_info": [
          		{
          			"attributes": {
          				"cellphone": {
          					"threshold": 0.76,
          					"score": 0.089325942099094
          				},
          				"yawning": {
          					"threshold": 0.66,
          					"score": 0.0007511890726164
          				},
          				"not_buckling_up": {
          					"threshold": 0.58,
          					"score": 0.81095975637436
          				},
          				"no_face_mask": {
          					"threshold": 0.72,
          					"score": 0.99875915050507
          				},
          				"both_hands_leaving_wheel": {
          					"threshold": 0.3,
          					"score": 0.9014720916748
          				},
          				"eyes_closed": {
          					"threshold": 0.1,
          					"score": 0.090511165559292
          				},
          				"head_lowered": {
          					"threshold": 0.58,
          					"score": 0.11450858414173
          				},
          				"smoke": {
          					"threshold": 0.25,
          					"score": 0.026156177744269
          				},
          				"not_facing_front": {
          					"threshold": 0.53,
          					"score": 0.68074524402618
          				}
          			},
          			"location": {
          				"width": 856,
          				"top": 419,
          				"score": 0.90945136547089,
          				"left": 464,
          				"height": 626
          			}
          		}
          	],
          	"log_id": 2320165720061799596
          }
          上一篇
          人像分割
          下一篇
          人流量统计-动态版