接口说明

更新时间：2023-02-28

车型识别

识别图片中车辆的具体车型，可识别常见的3000+款车型（小汽车为主），输出车辆的品牌型号、颜色、年份、位置信息；支持返回对应识别结果的百度百科词条信息，包含词条名称、百科页面链接、百科图片链接、百科内容简介。

注：当前只支持单主体识别，若图片中有多个车辆，则识别目标最大的车辆。

    public void sample(AipImageClassify client) {
        // 传入可选参数调用接口
        HashMap<String, String> options = new HashMap<String, String>();
        options.put("top_num", "3");
        options.put("baike_num", "5");


        // 参数为本地路径
        String image = "test.jpg";
        JSONObject res = client.carDetect(image, options);
        System.out.println(res.toString(2));
    
        // 参数为二进制数组
        byte[] file = readFile("test.jpg");
        res = client.carDetect(file, options);
        System.out.println(res.toString(2));
        
        // 参数图片url
        String url = "http://localhost/test.jpg";
        res = client.carDetectUrl(url, options);
        System.out.println(res.toString(2));   
    }

车型识别请求参数详情

参数	是否必选	类型	可选值范围	说明
image	和url二选一	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50px，最长边最大4096px，支持jpg/png/bmp格式。注意：图片需要base64编码、去掉编码头后再进行urlencode。
url	和image二选一	string	-	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。
top_num	否	uint32	-	返回结果top n，默认5。
baike_num	否	integer	0	返回百科信息的结果数，默认不返回

车型识别返回数据参数详情

字段	是否必选	类型	说明
log_id	是	uint64	唯一的log id，用于问题定位
color_result	是	string	车身颜色
result	是	car-result()	车型识别结果数组
+name	是	string	车型名称，示例：宝马x6
+score	是	double	置信度，取值0-1，示例：0.5321
+year	是	string	年份
+baike_info	否	object	对应车型识别结果的百科词条名称
++baike_url	否	string	对应车型识别结果百度百科页面链接
++image_url	否	string	对应车型识别结果百科图片链接
++description	否	string	对应车型识别结果百科内容描述
location_result	是	string	车辆在图片中的位置信息
+width	是	float	车辆区域的宽度
+height	是	float	车辆区域的高度
+left	是	float	车辆区域离左边界的距离
+top	是	float	车辆区域离上边界的距离

车型识别返回示例

    {
      "log_id": 4086212218842203806,
      "location_result": {
        "width": 447,
        "top": 226,
        "height": 209,
        "left": 188
      },
      "result": [{
        "baike_info": {
          "baike_url": "http://baike.baidu.com/item/%E5%B8%83%E5%8A%A0%E8%BF%AAChiron/20419512",
          "description": "布加迪Chiron是法国跑车品牌布加迪出品的豪华超跑车。配置四涡轮增压发动机，420 公里每小时，有23种颜色的选择，售价高达260万美元。"
        },
        "score": 0.98793351650238,
        "name": "布加迪Chiron",
        "year": "无年份信息"
      },
      {
        "score": 0.0021970034576952,
        "name": "奥迪RS5",
        "year": "2011-2017"
      },
      {
        "score": 0.0021096928976476,
        "name": "奥迪RS4",
        "year": "无年份信息"
      },
      {
        "score": 0.0015581247862428,
        "name": "奥迪RS7",
        "year": "2014-2016"
      },
      {
        "score": 0.00082337751518935,
        "name": "布加迪威航",
        "year": "2004-2015"
      }],
      "color_result": "颜色无法识别"
    }

车辆属性识别

传入单帧图像，检测图片中所有车辆，返回每辆车的类型和坐标位置，可识别小汽车、卡车、巴士、摩托车、三轮车、自行车6大类车辆，并针对小汽车识别11种外观属性，包括：是否有车窗雨眉、是否有车顶架、副驾驶是否有人、驾驶位是否系安全带、遮阳板是否放下、车辆朝向等。

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。

注：

1、邀测的接口，不能直接在控制台调用，可通过QQ群（659268104）联系群管、或提交工单申请开通测试权限。

2、邀测的接口，暂未封装服务端SDK，只能通过API调用。

普通监控场景示例图片：

    public void sample(AipImageClassify client) {
        // 传入可选参数调用接口
        HashMap<String, String> options = new HashMap<String, String>();
        // 参数为二进制数组
        byte[] file = readFile("test.jpg");
        res = client.vehicleAttr(file, options);
        System.out.println(res.toString(2));

        // 参数图片url
        String url = "http://localhost/test.jpg";
        res = client.vehicleAttrUrl(url, options);
        System.out.println(res.toString(2));    
    }

请求参数详情

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	-	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。
type	否	string		是否选定某些属性输出对应的信息，可从12种输出属性中任选若干，用英文逗号分隔（例如vehicle_type,roof_rack,skylight）。默认输出全部属性

附：type字段说明

ID	type	说明	类别数	类别
0	vehicle_type	车辆类型	6	小汽车、卡车、公交车、摩托、三轮车、自行车
1	window_rain_eyebrow	是否有车窗雨眉	2	无车窗雨眉、有车窗雨眉
2	roof_rack	是否有车顶架	2	无车顶架、有车顶架
3	skylight	是否有天窗	2	无天窗、有天窗
4	in_car_item	是否有车内摆放物	2	无车内摆放物、有车内摆放物
5	rearview_item	是否有后视镜悬挂物	2	无后视镜悬挂物、有后视镜悬挂物
6	copilot	副驾驶是否有人	2	副驾驶无人、副驾驶有人
7	driver_belt	驾驶位是否系安全带	2	驾驶位未系安全带、驾驶位系安全带
8	copilot_belt	副驾驶位是否系安全带	2	副驾驶位未系安全带、副驾驶位系安全带
9	driver_visor	驾驶位遮阳板是否放下	2	驾驶位遮阳板未放下、驾驶位遮阳板放下
10	copilot_visor	副驾驶位遮阳板是否放下	2	副驾驶位遮阳板未放下、副驾驶位遮阳板放下
11	direction	车辆朝向	8	正前方，右前方，正右方，右后方，正后方，左后方，正左方，左前方

返回参数详情

字段	是否必选	类型	说明
vehicle_num	是	int	检测到的车辆框数目
vehicle_info	是	object数组	每个车辆检测框的具体信息
+location	是	object	检测到的车辆框位置
++left	是	int	检测框左坐标
++top	是	int	检测框顶坐标
++width	是	int	检测框宽度
++height	是	int	检测框高度
+attributes	否	object数组	包含所有车辆属性内容
++vehicle_type	否	object	车辆类型
+++name	否	string	如"小汽车"
+++score	否	float	对应概率分数，分数越大代表属性的正向取值可能性越大，实际应用中可根据测试情况选取合适的score阈值
++window_rain_eyebrow	否	object	是否有车窗雨眉
+++score	否	float	对应概率分数，分数越大代表属性的正向取值可能性越大（即有车窗雨眉），实际应用中可根据测试情况选取合适的score阈值，推荐阈值0.02
++roof_rack	否	object	是否有车顶架
+++score	否	float	对应概率分数，分数越大代表属性的正向取值可能性越大，实际应用中可根据测试情况选取合适的score阈值，推荐阈值0.01
++skylight	否	object	是否有天窗
+++score	否	float	对应概率分数，分数越大代表属性的正向取值可能性越大，实际应用中可根据测试情况选取合适的score阈值，推荐阈值0.5
++in_car_item	否	object	是否有车内摆放物
+++score	否	float	对应概率分数，分数越大代表属性的正向取值可能性越大，实际应用中可根据测试情况选取合适的score阈值，推荐阈值0.35
++rearview_item	否	object	是否有后视镜悬挂物
+++score	否	float	对应概率分数，分数越大代表属性的正向取值可能性越大，实际应用中可根据测试情况选取合适的score阈值，推荐阈值0.4
++copilot	否	object	副驾驶是否有人
+++score	否	float	对应概率分数，分数越大代表属性的正向取值可能性越大，实际应用中可根据测试情况选取合适的score阈值，推荐阈值0.55
++driver_belt	否	object	驾驶位是否系安全带
+++score	否	float	对应概率分数，分数越大代表属性的正向取值可能性越大，实际应用中可根据测试情况选取合适的score阈值，推荐阈值0.75
++copilot_belt	否	object	副驾驶位是否系安全带
+++score	否	float	对应概率分数，分数越大代表属性的正向取值可能性越大，实际应用中可根据测试情况选取合适的score阈值，推荐阈值0.85
++driver_visor	否	object	驾驶位遮阳板是否放下
+++score	否	float	对应概率分数，分数越大代表属性的正向取值可能性越大，实际应用中可根据测试情况选取合适的score阈值，推荐阈值0.2
++copilot_visor	否	object	副驾驶位遮阳板是否放下
+++score	否	float	对应概率分数，分数越大代表属性的正向取值可能性越大，实际应用中可根据测试情况选取合适的score阈值，推荐阈值0.1
++direction	否	object	车辆朝向
+++name	否	string	如"正前方"
+++score	否	float	对应概率分数，分数越大代表属性的正向取值可能性越大，实际应用中可根据测试情况选取合适的score阈值

返回示例

未检测到任何车辆：

    {
        "vehicle_num": 0,
        "vehicle_info":
        [
            {
                "location":
                {
                    "left": 0,
                    "top": 0,
                    "width": 0,
                    "height": 0
                    "score"： 0
                 }
                "attributes":
                {
                }
            }
        ]
    }

检测到2辆小汽车：

    {
         "vehicle_num": 2,
         "vehicle_info":
         [
            {
                "location":
                {
                    "left": 100,
                    "top": 200,
                    "width": 200,
                    "height": 400
                }
                "attributes":
                {
                    "vehicle_type":
                    {
                        "name": "小汽车",
                        "score": 0.852
                    }
                     "window_rain_eyebrow":
                    {
                        "score": 0.937
                    }
                    "roof_rack":
                    {
                        "score": 0.889
                    }
                    "skylight":
                    {
                        "score": 0.925
                    }
                    "in_car_item":
                    {
                        "score": 0.774
                    }
                    "rearview_item":
                    {
                        "score": 0.774
                    }
                    "copilot":
                    {
                        "score": 0.711
                    }
                    "driver_belt":
                    {
                        "score": 0.633
                    }
                    "copilot_belt":
                    {
                        "score": 0.721
                    }
                    "driver_visor":
                    {
                        "score": 0.455
                    }
                    "copilot_visor":
                    {
                        "score": 0.455
                    }
                    "direction":
                    {
                        "name": "正前方",
                        "score": 0.455
                    }
                }
            }
            {
                "location":
                {
                    "left": 400,
                    "top": 200,
                    "width": 200,
                    "height": 400
                }
                "attributes":
                {
                    "vehicle_type":
                    {
                        "name": "小汽车",
                        "score": 0.921
                    }
                    "window_rain_eyebrow":
                    {
                        "score": 0.918
                    }
                    "roof_rack":
                    {
                        "score": 0.850
                    }
                    "skylight":
                    {
                        "score": 0.714
                    }
                    "in_car_item":
                    {
                        "score": 0.787
                    }
                    "rearview_item":
                    {
                        "score": 0.787
                    }
                    "copilot":
                    {
                        "score": 0.711
                    }
                    "driver_belt":
                    {
                        "score": 0.633
                    }
                    "copilot_belt":
                    {
                        "score": 0.721
                    }
                    "driver_visor":
                    {
                        "score": 0.455
                    }
                    "copilot_visor":
                    {
                        "score": 0.455
                    }
                    "direction":
                    {
                        "name": "右前方",
                        "score": 0.455
                    }
                }
             }
         ]
    }

车辆检测

传入单帧图像，检测图片中所有机动车辆，返回每辆车的类型和坐标位置，可识别小汽车、卡车、巴士、摩托车、三轮车5类车辆，并对每类车辆分别计数，同时可定位小汽车、卡车、巴士的车牌位置，支持指定矩形区域的车辆检测与数量统计。

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。

    public void sample(AipImageClassify client) {
        // 传入可选参数调用接口
        HashMap<String, String> options = new HashMap<String, String>();
        // 参数为二进制数组
        byte[] file = readFile("test.jpg");
        res = client.vehicleDetect(file, options);
        System.out.println(res.toString(2));

        // 参数图片url
        String url = "http://localhost/test.jpg"
        res = client.vehicleDetectUrl(url, options);
        System.out.println(res.toString(2));    
   }

请求参数详情

参数	是否必选	类型	可选值范围	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。
area	否	string	小于原图像素范围	只统计该矩形区域内的车辆数，缺省时为全图统计。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），形成闭合矩形区域。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，且为4个顶点）；目前只支持单个矩形区域。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。

返回参数详情

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
+carplate	是	int	车牌的数量，小汽车、卡车、巴士才能检测到车牌
vehicle_info	是	object[]	每个框的具体信息
+location	是	object	检测到的目标坐标位置
++left	是	int32	目标检测框左坐标
++top	是	int32	目标检测框顶坐标
++width	是	int32	目标检测框宽度
++height	是	int32	目标检测框高度
+type	是	int32	目标物体类型，car、truck、bus、motorbike、tricycle、carplate
+probability	是	float	置信度分数，取值0-1之间，越接近1说明识别准确的概率越大

返回示例

未检测到任何车辆：

{
    "vehicle_num":
    {
        "car":0,
        "truck":0,
        ...
        "tricycle":0
    },
    "vehicle_info":[]
}

检测到3辆小汽车、1辆卡车：

{
	"vehicle_num": {
		"motorbike": 0,
		"tricycle": 0,
		"car": 3,
		"carplate": 0,
		"truck": 1,
		"bus": 0
	},
	"vehicle_info": [
		{
			"type": "car",
			"location": {
				"width": 73,
				"top": 655,
				"left": 1193,
				"height": 49
			},
			"probability": 0.89164280891418
		},
		{
			"type": "car",
			"location": {
				"width": 40,
				"top": 582,
				"left": 1026,
				"height": 37
			},
			"probability": 0.75931918621063
		},
		{
			"type": "car",
			"location": {
				"width": 131,
				"top": 712,
				"left": 1366,
				"height": 68
			},
			"probability": 0.74551039934158
		},
		{
			"type": "truck",
			"location": {
				"width": 348,
				"top": 604,
				"left": 229,
				"height": 311
			},
			"probability": 0.80106335878372
		}
	]
}

车辆外观损伤识别

针对常见的小汽车车型，识别车辆外观受损部件及损伤类型，支持32种车辆部件、5大类外观损伤。同时可输出损伤的数值化结果（长宽、面积、部件占比），支持单图多种损伤的识别。

可识别的32种汽车外观零部件：前保险杠、机盖、左前叶子板、左A柱、左前门、左后叶子板、左底大边、后保险杠、行李箱盖、右后叶子板、右底大边、右后门、右前门、右前叶子板、右A柱、车顶、钢圈、中网、左前大灯、左前雾灯、左前雾灯框、右前大灯、右前雾灯、右前雾灯框、前保下隔栅、左后视镜、右后视镜、左后外尾灯、左后内尾灯、右后外尾灯、右后内尾灯、左后门
可识别的5类外观损伤：刮擦、凹陷、开裂、褶皱、穿孔（一般指有破洞的情况）

示例图片如下： 1、刮擦、凹陷

2、开裂

3、褶皱

4、穿孔

    public void sample(AipImageClassify client) {
        // 传入可选参数调用接口
        HashMap<String, String> options = new HashMap<String, String>();
        // 参数为二进制数组
        byte[] file = readFile("test.jpg");
        res = client.vehicleDamage(file, options);
        System.out.println(res.toString(2));    
    }

请求参数详情

参数	是否必选	类型	取值范围	说明
image	是	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,）

返回参数详情

字段	是否必选	类型	说明
log_id	是	uint32	请求标识码，随机数，唯一；用于排查问题
result	是	object	识别结果
+description	否	string	检验图片效果是否满足识别要求，包含车辆检测、图片内容过滤两部分 1、图片符合要求时，返回very good，返回示例："Very good【车辆局部特写图】【1.000000】" 2、图片不符合要求时，显示检验不通过的描述信息： 1）没检测到车辆，返回示例："No car detected !" 2）检测到了车辆，但图片内容未通过校验，返回描述信息【前端过滤类别】【概率值】，返回示例："Failed【散落部件】【0.303969】"
+damage_info	否	object[]	部件损伤信息
++parts	否	string	汽车零部件名称，共计支持32种零部件
++type	否	unit32	损伤类别，共计支持5类外观损伤；无损伤则返回“正常” 。注：如果全图无损伤，则整个返回结果为空；某个部件的type为“正常”仅表示该部件无损伤。
++probability	否	float	概率打分
++numeric_info	否	object[]	损伤的数值化输出结果，如果有多处损伤，则有多个object；损伤的部件需拍摄完整，才能输出数值化结果，否则只返回部件名称和损伤类别，不输出数值化信息
+++length	float	否	损伤区域的长，单位厘米
+++width	float	否	损伤区域的宽，单位厘米
+++area	float	否	损伤区域的面积，为实际面积，不是单纯的长*宽
+++ratio	float	否	损伤区域面积相对于部件面积的占比，= 损伤区域面积 / 部件区域面积，均为实际面积，不是单纯的长*宽

返回示例

图片不满足识别需求，未检测到汽车：

    {
    	"description":"No car detected !",
    	"damage_info":[]
    }

图片不满足识别需求，检测到汽车，但未通过图片内容校验：

    {
    	"description":"Failed[散落部件][0.303969]",
    	"damage_info":[]
    }

图片满足识别需求，正常返回，不包含数值化输出结果，有两处损伤：

    {
    	"description":"Very good[车辆局部特写图][1.000000]",
    	"damage_info":[
    	{
    		"parts":前保险杠,
    		"probability":89,
    		"type":刮擦
    	},
    	{
    		"parts":左前叶子板,
    		"probability":74,
    		"type":凹陷
    	}
    	]
    }

图片满足识别需求，正常返回，包含数值化输出结果，有两处损伤：

    {
    	"description":"Very good[车辆局部特写图][1.000000]",
    	"damage_info":[
    	{
    		"numeric_info":[
    		{
    			"area":3.540100097656250,
    			"height":5.260000228881836,
    			"ratio":0.04069080576300621,
    			"width":1.139999985694885
    		}
    		],
    		"parts":前保险杠,
    		"probability":95,
    		"type":刮擦,
    		"numeric_info":[
    		{
    			"area":2.418999910354614,
    			"height":2.750,
    			"ratio":0.08458041399717331,
    			"width":1.460000038146973
    		}
    		],
    		"parts":左前叶子板,
    		"probability":84,
    		"type":刮擦
    	}
    	]
    }

快速入门

错误信息