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:

    public void sample(AipBodyAnalysis client) {
        // 传入可选参数调用接口
        HashMap<String, String> options = new HashMap<String, String>();
        options.put("type", "smoke");
        
        
        // 参数为本地路径
        String image = "test.jpg";
        JSONObject res = client.driverBehavior(image, options);
        System.out.println(res.toString(2));
    
        // 参数为二进制数组
        byte[] file = readFile("test.jpg");
        res = client.driverBehavior(file, options);
        System.out.println(res.toString(2));
    }

    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 mixed 本地图片路径或者图片二进制数据
    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

    驾驶行为分析 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