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:
Json::Value result;
std::string image;
aip::get_file_content("/assets/sample.jpg", &image);
// 调用驾驶行为分析
result = client.driver_behavior(image, aip::null);
// 如果有可选参数
std::map<std::string, std::string> options;
options["type"] = "smoke";
// 带参数调用驾驶行为分析
result = client.driver_behavior(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 | std::string | 图片数据的二进制字符串,可以使用aip::get_file_content函数获取 |
type | 否 | std::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
}