驾驶行为分析
更新时间：2022-01-18
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 | 是 | 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 | 否 | 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 | 否 | 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 | 是 | 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 | 是 | 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 | 是 | object[] | 驾驶员的属性行为信息；若未检测到驾驶员，则该项为[] |
| +location | 否 | object | 检测出驾驶员的位置 |
| ++left | 否 | int | 检测区域在原图的左起开始位置 |
| ++top | 否 | int | 检测区域在原图的上起开始位置 |
| ++width | 否 | int | 检测区域宽度 |
| ++height | 否 | int | 检测区域高度 |
| +attributes | 否 | object | 驾驶员属性行为内容 |
| ++smoke | 否 | object | 吸烟 |
| +++score | 否 | float | 对应概率分数 |
| +++threshold | 否 | 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 | 否 | object | 使用手机 |
| +++score | 否 | float | 对应概率分数 |
| +++threshold | 否 | 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 | 否 | object | 未系安全带 |
| +++score | 否 | float | 对应概率分数 |
| +++threshold | 否 | 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 | 否 | object | 双手离开方向盘 |
| +++score | 否 | float | 对应概率分数 |
| +++threshold | 否 | 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 | 否 | object | 视角未朝前方 |
| +++score | 否 | float | 对应概率分数 |
| +++threshold | 否 | 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 | 否 | 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 | 否 | float | 对应概率分数 |
| +++threshold | 否 | 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 | 否 | 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 | 否 | float | 对应概率分数 |
| +++threshold | 否 | 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 | 否 | 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 | 否 | float | 对应概率分数 |
| +++threshold | 否 | 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 | 否 | 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 | 否 | float | 对应概率分数 |
| +++threshold | 否 | 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
}