人群扎堆（2102501）

接口信息

API Path
/aipaas/cv/v2/image/crowdpiling

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]
llm_check	（该算法不生效）是否调用大模型	否	[int]
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	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	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【多算法算法标识key必须为algo_type，阈值为threshold，连续超过几次告警为warningCount】	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【key=algo_type时为具体算法标识，key=threshold时为0~1之间的小数，key=warningCount时为整数】	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>>send_pts_ms	算法结果告警时时间戳。距离1970-01-01毫秒数	是	[string]	1694078498549
data>>pull_pts_ms	算法拉流时间戳。距离1970-01-01毫秒数	是	[string]	1694078498549
data>>display_image	告警场景图Base64【jpeg格式base64编码】	是	[string]	iVBORw0KGgoAAAANSUhEUgAAABgAAAAYCAMAAADXqc3KAAAAFVBMVEX////7ODj+z8/9eHj9m5v9s7P7TEwZgBMVAAAACXBIWXMAAAsTAAALEwEAmpwYAAAATklEQVQokd2NQQqAQAzEMjNd//9kUXEXFw8eBMEcCiUlha9p8lspC6ukwDZHeBcBNcvUJICkAjwVheV2k4pUkMvzWo5U307kLiSNkz+wAvF5AMTthEMUAAAAAElFTkSuQmCC
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：a person who is fishing fishing rod fishing；第一类代表钓鱼，其他的代表未钓鱼	是	[string]	目标类别名称
data>>algo_outputs>>objectinfo>>class_id	目标类别id	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	目标得分(0~1)	是	[float]	0.99
data>>algo_outputs>>objectinfo>>feature	特征值，float数组【特征提取算法必返回】	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	[string]	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	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	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
data>>image_message	额外图片信息	否	[array]
data>>image_message>>key	图片名称	是	[string]	xxx.jpg
data>>image_message>>value	图片Base64【jpeg格式base64编码】	是	[string]	iVBORw0KGgoAAAANSUhEUgAAABgAAAAYCAMAAADXqc3KAAAAFVBMVEX////7ODj+z8/9eHj9m5v9s7P7TEwZgBMVAAAACXBIWXMAAAsTAAALEwEAmpwYAAAATklEQVQokd2NQQqAQAzEMjNd//9kUXEXFw8eBMEcCiUlha9p8lspC6ukwDZHeBcBNcvUJICkAjwVheV2k4pUkMvzWo5U307kLiSNkz+wAvF5AMTthEMUAAAAAElFTkSuQmCC

成功示例[Mock API] ：

{
    "code": 1020,
    "data": {
        "error_code": "APP_ERR_OK",
        "error_message": "",
        "camera_id": "111",
        "task_id": "task_1",
        "frame_id": "0",
        "frame_width": "1920",
        "frame_height": "1080",
        "send_pts_ms": "0",
        "pull_pts_ms": "0",
        "display_image": "",
        "algo_outputs": [{
            "roi_message": {
                "name": "position_0",
                "point_list": [{
                    "x": 0,
                    "y": 0
                }, {
                    "x": 1920,
                    "y": 0
                }, {
                    "x": 1920,
                    "y": 1080
                }, {
                    "x": 0,
                    "y": 1080
                }],
                "extra_params": []
            },
            "objectinfo": [{
                "class_name": "head",
                "class_id": 0,
                "rect": {
                    "x0": 0,
                    "y0": 0,
                    "x1": 100,
                    "y1": 100
                },
                "confidence": 0.922851562,
                "track_id": "",
                "score": 0,
                "extra_message": [{
                    "key": "group",
                    "value": "0"
                }],
                "image_message": [],
                "feature": [],
                "attribute": []
            }, {
                "class_name": "head",
                "class_id": 0,
                "rect": {
                    "x0": 100,
                    "y0": 100,
                    "x1": 200,
                    "y1": 200
                },
                "confidence": 0.774414062,
                "track_id": "",
                "score": 0,
                "extra_message": [{
                    "key": "group",
                    "value": "1"
                }],
                "image_message": [],
                "feature": [],
                "attribute": []
            }]
        }],
        "extra_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-人群扎堆（2102501）-（v1.0.0_v1.0.0）

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

4. 调用实例

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/2102501";
            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

5.1 备注

针对图片检测、分类型算法通用接口参数定义，用于对图片内对象进行识别检测
此类算法的class_name字段用于标识目标的类别，会将算法返回结果透传给调用方
roi区域配置和算法能力对应，算法提供能力时需要在接口文档中声明是否支持roi区域，且roi区域支持的类型为画线或者画多边形区域
入参中的algo_roi区域配置解析逻辑如下：
1. 对于不支持roi区域的算法，会忽略algo_roi参数
2. 如果algo_roi参数不为空，则roi_type、roi_list、is_full_region、region_mode字段必传，且roi_type、is_full_region、region_mode字段值不能为空
3. 如果is_full_region为true，则传入的roi_type、roi_list参数不生效
4. 如果is_full_region为false，则roi_list坐标点数组不能为空，且会根据当前算法支持的roi类型进行校验(必须为有效的线或者多边形区域)，如果坐标点错误则返回错误
5. 多边形区域点的规则如下：
  1. 点的顺序可以为逆时针或者顺时针
  2. 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
  3. 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，区域个数以及点数需要满足算法提供能力时接口文档中的描述
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、支持画最多三个区域，每个区域为多边形，点数支持3-11个点
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
检测目标人头框中心点在区域内则认为目标在区域内

region_mode	int	本能力只能填1，其他值报错(20240911添加此说明)	是	1表示检测框的中心点在区域就判定为在区域内

算法定制化参数：

{
  "extra_params": [
    {
      "key": "conf_thresh",
      "value": "0.45"
    },
    {
      "key": "target_distance_level",
      "value": "8"
    },
    {
      "key": "deep_distance_level",
      "value": "2"
    }
  ]
}

extra_params	Array		是	额外参数
+key	string	"人头人体检测阈值" 参数名	否	只能填：conf_thresh
+value	string	可转float的字符串，取值范围0不传使用默认值，传错误值返回报错(空字符串按错误处理)	否	人头人体检测阈值
+key	string	额外参数“目标距离等级”参数名称	否	只能填：target_distance_level
+value	string	可转float的字符串，取值范围1<=x<=20，默认为"8"，值越大将距离大的目标分到同一组不传使用默认值，传错误值返回报错(空字符串按错误处理)	否	目标距离等级：表示人与人之际的社交距离，不超过该值，说明存在扎堆现象，默认为6。该值取决于对于扎堆现象的业务需求。值越大，扎堆可接受的距离就越大，每个分组的人数越多
+key	string	额外参数“深度距离等级”参数名称	否	只能填：deep_distance_level
+value	string	可转float的字符串，取值范围1<=x<=10，默认为"2"，值越大越容易将深度不同的目标分到不同组不传使用默认值，传错误值返回报错(空字符串按错误处理)	否	深度距离等级：主要考虑摄像头角度对人与人之间深度距离的影响，默认为2。深度信息影响扎堆判断，该值越大则接受的深度距离越大。如果摄像头角度如下（俯角较小），则深度距离较大，可根据实际分组效果，调大该值；如果摄像头角度如下（俯角较大），则深度距离较小，可根据实际分组效果，调小该值。

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