车流统计(邀测)
更新时间:2024-06-17
接口描述
根据传入的连续视频图片序列,进行车辆检测和追踪,返回每个车辆的坐标位置、车辆类型(包括小汽车、卡车、巴士、摩托车、三轮车5类)。在原图中指定区域,根据车辆轨迹判断驶入/驶出区域的行为,统计各类车辆的区域进出车流量,可返回含统计值和跟踪框的渲染图。
(注:抽祯频率需>2fps,否则无法有效跟踪,建议5fps。)
当前主要适用于普通监控场景,如道路、停车场等,无人机高空拍摄的图片,因车辆目标较小,识别效果可能欠佳,后续会扩展支持超高空拍摄场景,如有该场景的需求,请通过QQ群或提交工单,详细沟通测试情况。
渲染图示例:
请求说明
请求示例
HTTP 方法:POST
请求URL:https://aip.baidubce.com/rest/2.0/image-classify/v1/traffic_flow
URL参数:
参数 | 值 |
---|---|
access_token | 通过API Key和Secret Key获取的access_token,参考“Access Token获取” |
Header如下:
参数 | 值 |
---|---|
Content-Type | application/x-www-form-urlencoded |
Body中放置请求参数,参数详情如下:
请求参数
参数 | 是否必选 | 类型 | 取值范围 | 说明 |
---|---|---|---|---|
image | 和url二选一 | string | 0-255彩色图像(base64编码) | 图像数据,Base64编码字符串,不超过4M。最短边至少50px,最长边最多4096px。支持图片格式:jpg,bmp,png。 注意:图片的base64编码是不包含图片头的,如(data:image/jpg;base64,) |
url | 和image二选一 | string | 0-255彩色图像(base64编码) | 图片完整URL,URL长度不超过1024字节,URL对应的图片base64编码后大小不超过4M,最短边至少50px,最长边最大4096px,支持jpg/png/bmp格式,当image字段存在时url字段失效。 |
case_id | 是 | int32 | - | 任务ID(通过case_id区分不同视频流,自拟,不同序列间不可重复) |
case_init | 是 | string | true/false | 每个case的初始化信号,为true时对该case下的跟踪算法进行初始化,为false时重载该case的跟踪状态。当为false且读取不到相应case的信息时,直接重新初始化 |
show | 否 | string | true/false | 是否返回结果图(含统计值和跟踪框)。选true时返回渲染后的图片(base64),其它无效值或为空则默认false。 |
area | 是 | string | 小于原图像素范围 | 只统计进出该区域的车辆。 逗号分隔,如‘x1,y1,x2,y2,x3,y3...xn,yn',按顺序依次给出每个顶点的x、y坐标(默认尾点和首点相连),形成闭合多边形区域。 服务会做范围(顶点左边需在图像范围内)及个数校验(数组长度必须为偶数,且大于3个顶点)。只支持单个多边形区域,建议设置矩形框,即4个顶点。坐标取值不能超过图像宽度和高度,比如1280的宽度,坐标值最大到1279。 |
area参数设置说明
进出区域方向:从区域外走到区域内就是in,相反就是out。
如下图:绿色框为区域框,左边红色箭头的方向为in,右边蓝色箭头的方向为out。
请求代码示例
提示一:使用示例代码前,请记得替换其中的示例Token、图片地址或Base64信息。
提示二:部分语言依赖的类或库,请在代码注释中查看下载地址。
curl -i -k 'https://aip.baidubce.com/rest/2.0/image-classify/v1/traffic_flow?access_token=【调用鉴权接口获取的token】' --data 'area=1,1,719,1,719,719,1,719&case_id=1&case_init=false&image=【图片Base64编码,需UrlEncode】' -H 'Content-Type:application/x-www-form-urlencoded'
<?php
/**
* 发起http post请求(REST API), 并获取REST请求的结果
* @param string $url
* @param string $param
* @return - http response body if succeeds, else false.
*/
function request_post($url = '', $param = '')
{
if (empty($url) || empty($param)) {
return false;
}
$postUrl = $url;
$curlPost = $param;
// 初始化curl
$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, $postUrl);
curl_setopt($curl, CURLOPT_HEADER, 0);
// 要求结果为字符串且输出到屏幕上
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false);
// post提交方式
curl_setopt($curl, CURLOPT_POST, 1);
curl_setopt($curl, CURLOPT_POSTFIELDS, $curlPost);
// 运行curl
$data = curl_exec($curl);
curl_close($curl);
return $data;
}
$token = '[调用鉴权接口获取的token]';
$url = 'https://aip.baidubce.com/rest/2.0/image-classify/v1/traffic_flow?access_token=' . $token;
$img = file_get_contents('[本地文件路径]');
$img = base64_encode($img);
$bodys = array(
'area' => "1,1,719,1,719,719,1,719",
'case_id' => 1,
'case_init' => "false",
'image' => $img
);
$res = request_post($url, $bodys);
var_dump($res);
package com.baidu.ai.aip;
import com.baidu.ai.aip.utils.Base64Util;
import com.baidu.ai.aip.utils.FileUtil;
import com.baidu.ai.aip.utils.HttpUtil;
import java.net.URLEncoder;
/**
* 车流统计
*/
public class TrafficFlow {
/**
* 重要提示代码中所需工具类
* FileUtil,Base64Util,HttpUtil,GsonUtils请从
* https://ai.baidu.com/file/658A35ABAB2D404FBF903F64D47C1F72
* https://ai.baidu.com/file/C8D81F3301E24D2892968F09AE1AD6E2
* https://ai.baidu.com/file/544D677F5D4E4F17B4122FBD60DB82B3
* https://ai.baidu.com/file/470B3ACCA3FE43788B5A963BF0B625F3
* 下载
*/
public static String traffic_flow() {
// 请求url
String url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/traffic_flow";
try {
// 本地文件路径
String filePath = "[本地文件路径]";
byte[] imgData = FileUtil.readFileByBytes(filePath);
String imgStr = Base64Util.encode(imgData);
String imgParam = URLEncoder.encode(imgStr, "UTF-8");
String param = "area=" + "1,1,719,1,719,719,1,719" + "&case_id=" + 1 + "&case_init=" + "false" + "&image=" + imgParam;
// 注意这里仅为了简化编码每一次请求都去获取access_token,线上环境access_token有过期时间, 客户端可自行缓存,过期后重新获取。
String accessToken = "[调用鉴权接口获取的token]";
String result = HttpUtil.post(url, accessToken, param);
System.out.println(result);
return result;
} catch (Exception e) {
e.printStackTrace();
}
return null;
}
public static void main(String[] args) {
TrafficFlow.traffic_flow();
}
}
# encoding:utf-8
import requests
import base64
'''
车流统计
'''
request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/traffic_flow"
# 二进制方式打开图片文件
f = open('[本地文件]', 'rb')
img = base64.b64encode(f.read())
params = {"area":"1,1,719,1,719,719,1,719","case_id":1,"case_init":"false","image":img}
access_token = '[调用鉴权接口获取的token]'
request_url = request_url + "?access_token=" + access_token
headers = {'content-type': 'application/x-www-form-urlencoded'}
response = requests.post(request_url, data=params, headers=headers)
if response:
print (response.json())
#include <iostream>
#include <curl/curl.h>
// libcurl库下载链接:https://curl.haxx.se/download.html
// jsoncpp库下载链接:https://github.com/open-source-parsers/jsoncpp/
const static std::string request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/traffic_flow";
static std::string traffic_flow_result;
/**
* curl发送http请求调用的回调函数,回调函数中对返回的json格式的body进行了解析,解析结果储存在全局的静态变量当中
* @param 参数定义见libcurl文档
* @return 返回值定义见libcurl文档
*/
static size_t callback(void *ptr, size_t size, size_t nmemb, void *stream) {
// 获取到的body存放在ptr中,先将其转换为string格式
traffic_flow_result = std::string((char *) ptr, size * nmemb);
return size * nmemb;
}
/**
* 车流统计
* @return 调用成功返回0,发生错误返回其他错误码
*/
int traffic_flow(std::string &json_result, const std::string &access_token) {
std::string url = request_url + "?access_token=" + access_token;
CURL *curl = NULL;
CURLcode result_code;
int is_success;
curl = curl_easy_init();
if (curl) {
curl_easy_setopt(curl, CURLOPT_URL, url.data());
curl_easy_setopt(curl, CURLOPT_POST, 1);
curl_httppost *post = NULL;
curl_httppost *last = NULL;
curl_formadd(&post, &last, CURLFORM_COPYNAME, "area", CURLFORM_COPYCONTENTS, "1,1,719,1,719,719,1,719", CURLFORM_END);
curl_formadd(&post, &last, CURLFORM_COPYNAME, "case_id", CURLFORM_COPYCONTENTS, "1", CURLFORM_END);
curl_formadd(&post, &last, CURLFORM_COPYNAME, "case_init", CURLFORM_COPYCONTENTS, "false", CURLFORM_END);
curl_formadd(&post, &last, CURLFORM_COPYNAME, "image", CURLFORM_COPYCONTENTS, "【base64_img】", CURLFORM_END);
curl_easy_setopt(curl, CURLOPT_HTTPPOST, post);
curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, callback);
result_code = curl_easy_perform(curl);
if (result_code != CURLE_OK) {
fprintf(stderr, "curl_easy_perform() failed: %s\n",
curl_easy_strerror(result_code));
is_success = 1;
return is_success;
}
json_result = traffic_flow_result;
curl_easy_cleanup(curl);
is_success = 0;
} else {
fprintf(stderr, "curl_easy_init() failed.");
is_success = 1;
}
return is_success;
}
using System;
using System.IO;
using System.Net;
using System.Text;
using System.Web;
namespace com.baidu.ai
{
public class TrafficFlow
{
// 车流统计
public static string traffic_flow()
{
string token = "[调用鉴权接口获取的token]";
string host = "https://aip.baidubce.com/rest/2.0/image-classify/v1/traffic_flow?access_token=" + token;
Encoding encoding = Encoding.Default;
HttpWebRequest request = (HttpWebRequest)WebRequest.Create(host);
request.Method = "post";
request.KeepAlive = true;
// 图片的base64编码
string base64 = getFileBase64("[本地图片文件]");
String str = "area=" + "1,1,719,1,719,719,1,719" + "&case_id=" + 1 + "&case_init=" + "false" + "&image=" + HttpUtility.UrlEncode(base64);
byte[] buffer = encoding.GetBytes(str);
request.ContentLength = buffer.Length;
request.GetRequestStream().Write(buffer, 0, buffer.Length);
HttpWebResponse response = (HttpWebResponse)request.GetResponse();
StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.Default);
string result = reader.ReadToEnd();
Console.WriteLine("车流统计:");
Console.WriteLine(result);
return result;
}
public static String getFileBase64(String fileName) {
FileStream filestream = new FileStream(fileName, FileMode.Open);
byte[] arr = new byte[filestream.Length];
filestream.Read(arr, 0, (int)filestream.Length);
string baser64 = Convert.ToBase64String(arr);
filestream.Close();
return baser64;
}
}
}
返回说明
返回参数
字段 | 是否必选 | 类型 | 说明 |
---|---|---|---|
vehicle_num | 是 | object | 检测到的车辆数目 |
+car | 是 | int | 小汽车数量 |
+truck | 是 | int | 卡车数量 |
+bus | 是 | int | 巴士数量 |
+motorbike | 是 | int | 摩托车数量 |
+tricycle | 是 | int | 三轮车数量 |
vehicle_info | 是 | object[] | 每个框的具体信息 |
+location | 是 | object | 跟踪到的车辆检测框位置 |
++left | 是 | int | 车辆检测框左坐标 |
++top | 是 | int | 车辆检测框顶坐标 |
++width | 是 | int | 车辆检测框宽度 |
++height | 是 | int | 车辆检测框高度 |
+ID | 是 | int | 车辆的ID编号 |
+type | 是 | string | 车辆类型 |
vehicle_count | 是 | object[] | 进出区域的车流统计 |
+car | 是 | object | 小汽车 |
++in | 是 | int | 当前帧相应车辆驶入区域的瞬时数量,如要计算某一段时间内进入区域的累计车辆数,可基于连续帧图片的返回结果计算得到 |
++out | 是 | int | 当前帧相应车辆驶出区域的瞬时数量,如要计算某一段时间内离开区域的累计车辆数,可基于连续帧图片的返回结果计算得到 |
+truck | 是 | object | 卡车 |
++in | 是 | int | |
++out | 是 | int | |
+bus | 是 | object | 巴士 |
++in | 是 | int | |
++out | 是 | int | |
+motorbike | 是 | object | 摩托车 |
++in | 是 | int | |
++out | 是 | int | |
+tricycle | 是 | object | 三轮车 |
++in | 是 | int | |
++out | 是 | int | |
image | 否 | string | 结果图,含跟踪框和统计值(渲染jpg图片byte内容的base64编码,得到后先做base64解码再以字节流形式imdecode) |
渲染结果图说明
画面里刚出现的车辆检测框都是红色,被跟踪锁定之后会变成其他颜色(颜色随机,不同颜色没有特定规律),模型根据同颜色框的运动轨迹来判断进出移动方向;车辆被跟踪锁定后,检测框上方会出现车辆的ID编号,ID的取值逻辑为:每个case从1开始,不同车辆向上递增但不一定连续。
返回示例
未检测到任何车:
{
"vehicle_num":
{
"car":0,
"truck":0,
...
"tricycle":0
},
"vehicle_info":[],
“vehicle_count”:
{
"car":
{
"in":0,
"out":0
},
"truck":
{
"in":0
"out":0
},
...
}
}
检测到1辆小汽车、1辆卡车,无轨迹,无车进出区域:
{
"vehicle_num":
{
"car":1,
"truck":1,
...
"tricycle":0
},
"vehicle_info":[],
“vehicle_count”:
{
"car":
{
"in":0,
"out":0
},
"truck":
{
"in":0
"out":0
},
...
}
}
检测到2辆小汽车、1辆卡车,3条轨迹,1辆卡车离开区域:
{
"vehicle_num":
{
"car":2,
"truck":1,
...
"tricycle":0
},
"vehicle_info":
[
{
"ID":3
"location":
{
"left": 100,
"top": 200,
"width": 200,
"height": 400,
}
"type": "car"
},
{
"ID": 5
"location":
{
"left": 400,
"top": 200,
"width": 200,
"height": 400,
}
"type": "car"
},
{
"ID": 6
"location":
{
"left": 600,
"top": 200,
"width": 300,
"height": 400,
}
"type": "truck"
}
],
“vehicle_count”:
{
"car":
{
"in":0,
"out":0
},
"truck":
{
"in":0
"out":1
},
...
}
}