区域入侵（人车非）（2102300）-（v1.0.1.0_v1.0.0）

接口信息

API Path
/aipaas/aipassweb-api/openapi/openApi/v2/ai/2102300

请求协议
HTTPS

请求方法
POST

请求头部 ：

头部标签	必填	说明	类型	头部内容	示例
Content-Type	是	application/json	[string]	application/json	application/json
X-APP-ID	是	控制台--应用管理--创建应用--AppID	[string]
Device-Uuid	是	设备管理-设备uuid	[string]
Authorization	是		[string]

请求参数 Json
Object

参数名	说明	必填	类型	数据字典	示例
code	请求状态码，固定1019	是	[int]		1019
data	算法参数	是	[object]
data>>task_id	算法任务id	是	[string]		0d04322bee08401a9c15a5ef8643e64f
data>>camera_id	设备编码	是	[string]		A15414521025
data>>algo_tasks	算法参数数组	是	[array]
data>>algo_tasks>>algo_config	单个参数信息	是	[object]
data>>algo_tasks>>algo_config>>version	参数版本号	否	[string]		1.0.0
data>>algo_tasks>>algo_config>>algo_roi	roi区域配置【如果算法不支持roi，忽略此参数解析】	是	[object]
data>>algo_tasks>>algo_config>>algo_roi>>roi_type	roi坐标类型，1-绝对坐标，2-相对坐标【is_full_region为true时为非必填】	是	[int]	1:绝对坐标,2:相对坐标	1
data>>algo_tasks>>algo_config>>algo_roi>>roi_list	设定区域列表【is_full_region为false时为非必填】	否	[array]
data>>algo_tasks>>algo_config>>algo_roi>>roi_list>>name	区域id，需全局唯一	是	[string]		61b3a095eb0bc49
data>>algo_tasks>>algo_config>>algo_roi>>roi_list>>point_list	区域坐标点集【由算法内部判断，画线至少需要2个点，画多边形区域至少需要3个点】	是	[array]
data>>algo_tasks>>algo_config>>algo_roi>>roi_list>>point_list>>x	X轴坐标	是	[float]		0.0
data>>algo_tasks>>algo_config>>algo_roi>>roi_list>>point_list>>y	Y轴坐标	是	[float]		1.0
data>>algo_tasks>>algo_config>>algo_roi>>roi_list>>extra_params	区域扩展参数	否	[array]
data>>algo_tasks>>algo_config>>algo_roi>>roi_list>>extra_params>>key	参数名	是	[string]		type
data>>algo_tasks>>algo_config>>algo_roi>>roi_list>>extra_params>>value	参数值	是	[string]		1
data>>algo_tasks>>algo_config>>algo_roi>>is_full_region	是否全景图，true-是，false-否	是	[boolean]	true:是,false:否	true
data>>algo_tasks>>algo_config>>algo_roi>>region_mode	区域模式，region mode本业务不支持修改，修改不生效	是	[int]	1:检测框中心点在区域内即代表检测目标在区域内,2:检测框脚点在区域内即代表检测目标在区域内,3:检测框中心点与脚点同时在区域内即代表检测目标在区域内,4:检测框中心点或脚点在区域内即代表检测目标在区域内	1
data>>algo_tasks>>algo_config>>extra_params	算法定制化参数，查看详细说明	否	[array]		[{"key":"algo_type","value":"7009"},{"key":"threshold","value":"0.65"},{"key":"warningCount","value":"2"}]
data>>algo_tasks>>algo_config>>extra_params>>key	参数名	是	[string]	algo_type:多算法包算法标识,threshold:阈值,warningCount:连续超过几次告警
data>>algo_tasks>>algo_config>>extra_params>>value	参数值	是	[string]
data>>image	图片Base64(jpeg格式base64编码)【和image二选一，优先使用image字段】	否	[string]		iVBORw0KGgoAAAANSUhEUgAAABgAAAAYCAMAAADXqc3KAAAAFVBMVEX////7ODj+z8/9eHj9m5v9s7P7TEwZgBMVAAAACXBIWXMAAAsTAAALEwEAmpwYAAAATklEQVQokd2NQQqAQAzEMjNd//9kUXEXFw8eBMEcCiUlha9p8lspC6ukwDZHeBcBNcvUJICkAjwVheV2k4pUkMvzWo5U307kLiSNkz+wAvF5AMTthEMUAAAAAElFTkSuQmCC
data>>image_url	图片地址【和image二选一，优先使用image字段】	否	[string]		http://10.127.156.152:8081/bucket/f7884c2f-0efc-42ae-0372-e30eddddc53b.jpg

响应内容 ：

返回结果

成功 (200)
Json
Object

参数名	说明	必填	类型	示例
code	算法类型，固定1020	是	[int]	1020
data	算法调用结果	是	[object]
data>>error_code	错误码，值为APP_ERR_OK则为成功	是	[string]	APP_ERR_OK
data>>error_message	错误描述	是	[string]	正常状态
data>>camera_id	创建任务时传入的设备编码	是	[string]	A15414521025
data>>task_id	创建任务时传入的算法任务id	是	[string]	0d04322bee08401a9c15a5ef8643e64f
data>>frame_id	视频帧id	是	[string]	0d04322bee08401a9c15a5ef8sldufj8
data>>frame_width	图片宽度	是	[string]	1920
data>>frame_height	图片高度	是	[string]	1080
data>>algo_outputs	算法处理结果数组	是	[array]
data>>algo_outputs>>roi_message	设定区域信息	否	[object]
data>>algo_outputs>>roi_message>>name	创建任务时传入的区域id	是	[string]	61b3a095eb0bc49
data>>algo_outputs>>roi_message>>point_list	创建任务时传入的区域坐标点集	是	[array]
data>>algo_outputs>>roi_message>>point_list>>x	创建任务时传入的X轴坐标	是	[float]	0.0
data>>algo_outputs>>roi_message>>point_list>>y	创建任务时传入的Y轴坐标	是	[float]	1.0
data>>algo_outputs>>roi_message>>extra_params	创建任务时传入的区域其他参数	否	[array]
data>>algo_outputs>>roi_message>>extra_params>>key	创建任务时传入的参数名【是否告警参数名固定为alarm】	是	[string]	alarm
data>>algo_outputs>>roi_message>>extra_params>>value	创建任务时传入的参数值【是否告警固定为1或者0】	是	[string]	1
data>>algo_outputs>>objectinfo	检测到的目标对象数组	是	[array]
data>>algo_outputs>>objectinfo>>class_name	目标类别名称；class_name的命名统一采用小写+下划线方式填写（即蛇形） 0-face 脸 1-person 人体 2-vehicle 车辆 3-nonvehicle 非机动车	是	[string]	目标类别名称
data>>algo_outputs>>objectinfo>>class_id	当前目标类别id;有效取值范围为0-1，无效值-1； 0-face 脸 1-person 人体 2-vehicle 车辆 3-nonvehicle 非机动车	是	[int]	1
data>>algo_outputs>>objectinfo>>rect	对象位置坐标	是	[object]
data>>algo_outputs>>objectinfo>>rect>>x0	左上X轴坐标	是	[float]	0.0
data>>algo_outputs>>objectinfo>>rect>>y0	左上Y轴坐标	是	[float]	0.0
data>>algo_outputs>>objectinfo>>rect>>x1	右下X轴坐标	是	[float]	100.0
data>>algo_outputs>>objectinfo>>rect>>y1	右下Y轴坐标	是	[float]	100.0
data>>algo_outputs>>objectinfo>>confidence	目标置信度(0~1)	是	[float]	0.99
data>>algo_outputs>>objectinfo>>track_id	目标追踪ID	是	[string]	0d04322bee0
data>>algo_outputs>>objectinfo>>score	目标分类得分 ;有效取值范围为0-1，无效值-1；此字段一直返回无效值-1；	是	[float]	0.99
data>>algo_outputs>>objectinfo>>feature	特征值，float数组【该算法返回[]】	否	[array]	[0.0620517209172249, 0.0471773408353329]
data>>algo_outputs>>objectinfo>>attribute	属性值数组【解析类算法返回的属性列表】	否	[array]
data>>algo_outputs>>objectinfo>>attribute>>key	属性名称	是	[string]	sex
data>>algo_outputs>>objectinfo>>attribute>>value	属性值	是	[string]	1
data>>algo_outputs>>objectinfo>>attribute>>score	属性置信度(0~1)	是	[float]	0.99
data>>algo_outputs>>objectinfo>>extra_message	目标额外信息	否	[array]
data>>algo_outputs>>objectinfo>>extra_message>>key	参数名	是	[string]	type
data>>algo_outputs>>objectinfo>>extra_message>>value	参数值	是	[string]	1
data>>algo_outputs>>objectinfo>>image_message	目标图片信息【该算法返回[]】	否	[array]
data>>algo_outputs>>objectinfo>>image_message>>key	图片名称	是	[string]	xxx.jpg
data>>algo_outputs>>objectinfo>>image_message>>value	图片Base64【jpeg格式base64编码】	是	[string]	iVBORw0KGgoAAAANSUhEUgAAABgAAAAYCAMAAADXqc3KAAAAFVBMVEX////7ODj+z8/9eHj9m5v9s7P7TEwZgBMVAAAACXBIWXMAAAsTAAALEwEAmpwYAAAATklEQVQokd2NQQqAQAzEMjNd//9kUXEXFw8eBMEcCiUlha9p8lspC6ukwDZHeBcBNcvUJICkAjwVheV2k4pUkMvzWo5U307kLiSNkz+wAvF5AMTthEMUAAAAAElFTkSuQmCC
data>>extra_message	算法处理结果额外信息，透传给上层应用【该算法返回[]】	否	[array]
data>>extra_message>>key	参数名【如果为多算法镜像，固定返回算法标识的key必须为algo_type】	是	[string]	algo_type
data>>extra_message>>value	参数值【如果为多算法镜像，值为具体算法标识】	是	[string]	7009

成功示例[Mock API] ：

{
    "code": 1020,
    "data": {
        "error_code": "APP_ERR_OK",
        "error_message": "",
        "camera_id": "1",
        "task_id": "task_1",
        "frame_id": "273",
        "frame_width": "1920",
        "frame_height": "1080",
        "send_pts_ms": "1739258207383",
        "pull_pts_ms": "0",
        "display_image": "",
        "algo_outputs": [{
            "roi_message": {
                "name": "position_2",
                "point_list": [{
                    "x": 0,
                    "y": 0
                }, {
                    "x": 1920,
                    "y": 0
                }, {
                    "x": 1920,
                    "y": 1080
                }, {
                    "x": 0,
                    "y": 1080
                }],
                "extra_params": []
            },
            "objectinfo": [{
                "class_name": "nonvehicle",
                "rect": {
                    "x0": 1267,
                    "y0": 53,
                    "x1": 1726,
                    "y1": 819
                },
                "track_id": "2",
                "extra_message": [],
                "image_message": [],
                "feature": [],
                "attribute": [{
                    "key": "nonvehicle_type",
                    "value": "1",
                    "score": 0.927510202
                }, {
                    "key": "nonvehicle_rider",
                    "value": "0",
                    "score": 0.943918943
                }, {
                    "key": "nonvehicle_color",
                    "value": "0",
                    "score": 0.363972068
                }],
                "class_id": 3,
                "confidence": 0.834960938,
                "score": -1
            }, {
                "class_name": "vehicle",
                "rect": {
                    "x0": 671,
                    "y0": 33,
                    "x1": 1224,
                    "y1": 554
                },
                "track_id": "0",
                "extra_message": [{
                    "key": "plate_bbox",
                    "value": "{\"x0\":785.0,\"y0\":498.0,\"x1\":881.0,\"y1\":526.0}"
                }],
                "image_message": [],
                "feature": [],
                "attribute": [{
                    "key": "vehicle_with_plate",
                    "value": "1",
                    "score": 0.99
                }, {
                    "key": "plate_color",
                    "value": "0",
                    "score": 0.99
                }, {
                    "key": "plate_number",
                    "value": "浙AT915F",
                    "score": 0.979685485
                }, {
                    "key": "vehicle_type",
                    "value": "5",
                    "score": 0.930224657
                }, {
                    "key": "vehicle_color",
                    "value": "6",
                    "score": 0.981416702
                }],
                "class_id": 2,
                "confidence": 0.91796875,
                "score": -1
            }, {
                "class_name": "person",
                "rect": {
                    "x0": 181,
                    "y0": 41,
                    "x1": 678,
                    "y1": 776
                },
                "track_id": "1",
                "extra_message": [],
                "image_message": [],
                "feature": [],
                "attribute": [{
                    "key": "person_gender",
                    "value": "1",
                    "score": 0.966750681
                }, {
                    "key": "person_age",
                    "value": "4",
                    "score": 0.704101622
                }, {
                    "key": "person_upper_wear",
                    "value": "0",
                    "score": 0.857315719
                }, {
                    "key": "person_lower_wear",
                    "value": "4",
                    "score": 0.97724
                }, {
                    "key": "person_upper_color",
                    "value": "10",
                    "score": 0.899890542
                }, {
                    "key": "person_lower_color",
                    "value": "11",
                    "score": 0.871523499
                }],
                "class_id": 1,
                "confidence": 0.808105469,
                "score": -1
            }]
        }],
        "extra_message": [],
        "image_message": []
    }
}

详细说明 ：

1.算法版本迭代适用版本

版本	算法总集版本号	备注
零代码-区域入侵（人机非）（2102300）-（v1.0.0.1_v1.0.0）		初始版本

2. 服务鉴权

1.服务接口调用时需要严格遵循服务鉴权规则，新老调用鉴权方式亦存在差异。
新调用鉴权规则请参见：开发指南 - 内网签名认证方式。
2.服务调用头信息
新的鉴权方式：调用时header头信息X-APP-ID，Device-Uuid，Authorization必传，
旧的鉴权方式：调用时header头信息X-APP-ID，X-APP-KEY，Order-Num，Device-Uuid必填

3. 请求示例

{
    "code": 1019,
    "data": {
        "camera_id": "1",
        "task_id": "task_1",
        "algo_tasks": [{
                "algo_config": {
                    "version": "algo_version",
                    "algo_roi": {
                        "is_full_region": false,
                        "roi_type": 1,
                        "region_mode": 1,
                        "roi_list": [{
                            "name": "position_1",
                            "point_list": [{
                                    "x": 0,
                                    "y": 0
                                },
                                {
                                    "x": 1920,
                                    "y": 0
                                },
                                {
                                    "x": 1920,
                                    "y": 540
                                },
                                {
                                    "x": 0,
                                    "y": 540
                                }
                            ]
                        }]
                    }
                ]
            },
            "extra_params": [{
                "key": "sensitivity_level",
                "value": "1"
            }]
        }
    }],
"image": ""
}
}

4. 调用示例

4.1Java示例

import com.fasterxml.jackson.databind.JsonNode;
import com.fasterxml.jackson.databind.ObjectMapper;
import com.fasterxml.jackson.databind.node.ArrayNode;
import com.fasterxml.jackson.databind.node.ObjectNode;

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.io.OutputStream;
import java.net.HttpURLConnection;
import java.net.URL;

public class HttpUtils {
    public static void sendPostRequest() {
        HttpURLConnection connection = null;
        try {
            String code = "code";
            String url = "http://url:端口/aipass/aipassweb-api/openapi/openApi/v2/ai/2102300";
            String appId = "appid";
            String appKey = "appkey";
            String orderNum = "orderNum";
            String deviceUuid = "deviceUuid";
            String seqid = "seqid";
            URL urlObj = new URL(url);
            connection = ((HttpURLConnection) (urlObj.openConnection()));
            connection.setRequestMethod("POST");
            connection.setRequestProperty("Content-Type", "application/json");
    
            //内网调用鉴权，与公网鉴权必传其一    
            connection.setRequestProperty("X-APP-ID", appId);
            connection.setRequestProperty("X-APP-KEY", appKey);
            connection.setRequestProperty("Order-Num", orderNum);
            connection.setRequestProperty("Device-Uuid", deviceUuid);
            //公网调用鉴权，与内网鉴权必传其一
            connection.setRequestProperty("X-APP-ID", appId);    
            connection.setRequestProperty("Authorization", "yourAuthorization");

            connection.setDoOutput(true);
            ObjectMapper objectMapper = new ObjectMapper();
            ObjectNode requestBody = objectMapper.createObjectNode();
            requestBody.put("code", 0);
            requestBody.put("llm_check", 0);
            ObjectNode dataNode = requestBody.putObject("data");
            dataNode.put("task_id", "0d04322bee08401a9c15a5ef8643e64f");
            dataNode.put("camera_id", "A15414521025");
            ArrayNode algoTasksArray = dataNode.putArray("algo_tasks");
            ObjectNode algoTaskNode = algoTasksArray.addObject();
            ObjectNode algoConfigNode = algoTaskNode.putObject("algo_config");
            algoConfigNode.put("version", "1.0.0");
            ObjectNode algoRoiNode = algoConfigNode.putObject("algo_roi");
            algoRoiNode.put("roi_type", 1);
            ArrayNode roiListArray = algoRoiNode.putArray("roi_list");
            ObjectNode roiListNode = roiListArray.addObject();
            roiListNode.put("name", "61b3a095eb0bc49");
            ArrayNode pointListArray = roiListNode.putArray("point_list");
            ObjectNode pointNode = pointListArray.addObject();
            pointNode.put("x", 0.0);
            pointNode.put("y", 1.0);
            ArrayNode extraParamsArray = roiListNode.putArray("extra_params");
            ObjectNode extraParamNode = extraParamsArray.addObject();
            extraParamNode.put("key", "type");
            extraParamNode.put("value", "1");
            algoRoiNode.put("is_full_region", true);
            algoRoiNode.put("region_mode", 1);
            ArrayNode extraParamsAlgoArray = algoConfigNode.putArray("extra_params");
            ObjectNode extraAlgoParamNode = extraParamsAlgoArray.addObject();
            extraAlgoParamNode.put("key", "");
            extraAlgoParamNode.put("value", "");
            dataNode.put(
                    "image",
                    "iVBORw0KGgoAAAANSUhEUgAAABgAAAAYCAMAAADXqc3KAAAAFVBMVEX////7ODj+z8/9eHj9m5v9s7P7TEwZgBMVAAAACXBIWXMAAAsTAAALEwEAmpwYAAAATklEQVQokd2NQQqAQAzEMjNd//9kUXEXFw8eBMEcCiUlha9p8lspC6ukwDZHeBcBNcvUJICkAjwVheV2k4pUkMvzWo5U307kLiSNkz+wAvF5AMTthEMUAAAAAElFTkSuQmCC");
            dataNode.put(
                    "image_url",
                    "http://10.127.156.152:8081/bucket/f7884c2f-0efc-42ae-0372-e30eddddc53b.jpg");
            try (OutputStream os = connection.getOutputStream()) {
                byte[] input = requestBody.toString().getBytes("utf-8");
                os.write(input, 0, input.length);
            }
            int responseCode = connection.getResponseCode();
            if (responseCode == HttpURLConnection.HTTP_OK) {
                try (BufferedReader br =
                             new BufferedReader(new InputStreamReader(connection.getInputStream(), "utf-8"))) {
                    StringBuilder response = new StringBuilder();
                    String responseLine;
                    while ((responseLine = br.readLine()) != null) {
                        response.append(responseLine.trim());
                    }
                    String responseString = response.toString();
                    JsonNode jsonResponse = objectMapper.readTree(responseString);
                    JsonNode data = jsonResponse.get("data");
                }
            } else {
                System.out.println("POST request not worked");
            }
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            if (connection != null) {
                connection.disconnect();
            }
        }
    }
}

5.附件

区域条件：

1、支持绝对坐标区域, roi_type为1。取值范围 x [0, frame_width], y [0, frame_height]
2、支持归一化后的按比例要求区域,roi_type为2。取值范围 x,y分别为 [0，1]
3、支持画多个区域（最多3个），区域点数（支持11点数）
4、点的顺序要为逆时针或者顺时针，不能乱序。
5、支持任意边数多边形，不限凹凸，不支持有孔多边形，不支持自相交多边形，一个区域不允许它的点在本区域的其他边上，两个区域的范围不能重叠，区域的点坐标不能超出图片的大小范围，区域个数不能超过设定的最大值（最多3个）
6、检测目标在区域内的判断逻辑
针对此算法而言，检测框中心点在区域内即检测目标在区域内。
7、全图检测与区域检测的传参设置
全图检测：is_full_region=true
区域检测：is_full_region=false且roi_list传相应坐标值
推荐配置：atlas_dist/config/model_list.json中配置以下，配置后重启服务生效。其他配置改动不保证后续影响。
8、入参中extra_message对应key及value表：**

key	value
sensitivity_level	灵敏度只能填0、1、2，其他值报错，灵敏度越高代表检出框越多召回越高，默认是1
keep_labels	1. 省略或者不填都默认只告警人体。2. 列表json结构；person 人体vehicle 车辆novehicle 非机动车

9、算法出参extra_message及attribute字段表


##人体-person
字段类型(未使用)	extra_message			备注
	key（string）	value（string）
	字段名字	字段取值	内部数据类型
字段名称	attribute
	key（string）	value（string）		score（float）
	字段名字	字段取值	内部数据类型	字段取值	字段注释
性别	person_gender	""：无效，非空：有效0-男性，1-女性，2-不确定	int类型	-1:无效值[0.0,1.0]	概率
年龄阶段	person_age	""：无效，非空：有效0-儿童，1-青少年，2-中青年【不输出此标签，没有此标签】，3-老年，4-青年，5-中年	int类型	-1:无效值[0.0,1.0]	概率
上身服饰	person_upper_wear	""：无效，非空：有效0-长袖，1-短袖	int类型	-1:无效值[0.0,1.0]	概率
下身服饰	person_lower_wear	""：无效，非空：有效0-长裤，1-短裤，2-长裙，3-短裙，4-不确定	int类型	-1:无效值[0.0,1.0]	概率
上身服饰颜色	person_upper_color	""：无效，非空：有效0-红，1-橙，2-黄，3-绿，4-蓝，5-紫，6-粉，7-黑，8-白，9-灰，10-棕，11-不确定	int类型	-1:无效值[0.0,1.0]	概率
下身服饰颜色	person_lower_color	""：无效，非空：有效0-红，1-橙，2-黄，3-绿，4-蓝，5-紫，6-粉，7-黑，8-白，9-灰，10-棕，11-不确定	int类型	-1:无效值[0.0,1.0]	概率
备注：
##机动车-vehicle
字段类型	extra_message			备注
	key（string）	value（string）
	字段名字	字段取值	内部数据类型
车牌框坐标	plate_bbox	"{"x0": 12,"y0": 34,"x1": 56,"y1": 78}";""：无效，非空：有效	string,里面json结构
字段名称	attribute
	key（string）	value（string）		score（float）
	字段名字	字段取值	内部数据类型	字段取值	字段注释
是否有牌	vehicle_with_plate	""：无效，非空：有效0-无1-有	int类型	-1:无效值[0.0,1.0]	是否有牌概率
机动车颜色	vehicle_color	""：无效，非空：有效0-brown（棕色）1-yellow（黄色）2-blue（蓝色）3-red（红色）4-green（绿色）5-black（黑色）6-white（白色）7-purple（紫色）8-gray（灰色）9-orange（橙色）10-pink（粉色）11-other （其他）	int类型	-1:无效值[0.0,1.0]	机动车颜色概率
机动车类型	vehicle_type	""：无效，非空：有效0-小汽车 car 轿车4-其它（起重车，铰链车，轻轨车等特殊的车型)5-SUV6-mpv(商务车)7-orv(越野车)8-bus(公交车)(只含市内公交)9-medium_coach(中型客车)10-large_coach(大型客车)11-pickup_coach(皮卡)12-mini_bus(面包车)13-small_truck(小型卡车)14-medium_truck(中型卡车)15-large_truck(大型卡车)	int类型	-1:无效值[0.0,1.0]	机动车类型概率
车牌颜色	plate_color	""：无效，非空：有效0-blue(蓝牌)，1-green（小型新能源绿牌）2-yellow_single（单层黄牌）3-yellow_double（双层黄牌）4-white_single（单层白牌）5-white_double（双层白牌）6-black（黑牌）7-greenTruck（大型新能源绿牌）8-other（其它）	int类型	-1:无效值[0.0,1.0]	车牌颜色概率
车牌识别结果	plate_number	""：无效，非空：有效车牌的结果	int类型	-1:无效值[0.0,1.0]	车牌识别结果概率
##非机动车-nonvehicle
字段类型（未使用）	extra_message			备注
	key（string）	value（string）
	字段名字	字段取值	内部数据类型
字段名称	attribute
	key（string）	value（string）		score（float）	字段注释
	字段名字	字段取值	内部数据类型	字段取值	概率
非机动车颜色	nonvehicle_color	""：无效，非空：有效0-black（黑）1-white（白）2-red（红）3-pink（粉）4-purple（紫）5-gray（灰）6-brown（棕）7-blue（蓝）8-green（绿）9-yellow（黄）10-其它	int类型	-1:无效值[0.0,1.0]	概率
非机动车类型	nonvehicle_type	""：无效，非空：有效0-bicycle（自行车）1-motorbike（摩托车（电动车））2-tricycle_open（三轮车-后座开放）3-tricycle_close（三轮车-后座封闭）4-other（其它）	int类型	-1:无效值[0.0,1.0]	概率
非机动车载人	nonvehicle_rider	""：无效，非空：有效0-no_person（否）1-with_person（是）	int类型	-1:无效值[0.0,1.0]	概率

大模型体验中心

开放能力

开发平台

应用产品

解决方案

关于TeleAI

热门搜索