接口调用

更新时间：2024-06-19

车辆分析私有化部署包部署成功后，即可获得与在线API基本相同的接口，相关接口将会启动，即可参考本文档开始调用测试。

车辆分析的各个接口拆分为不同的私有部署包，车型识别、车辆检测、车流统计对应3个不同的部署包，方便选取所需能力灵活应用。

接口格式说明

变量类型定义

类型	定义
string	普通的字符串，可能会有长度要求，具体参见接口说明中的备注
uint32	整形数字，最大取值为4字节int。自然数
int64	整形数字，最大取值为8字节int。允许负数
json	无论是request还是response中某个字段定义为json，那么它其实是一个json格式的字符串，需要二次解析
array	request的query中表示array请使用key[] 。response的json中的array即为jsonArray
double	双精度，小数点后最大8位四舍五入

请求参数格式如下：

Plain Text

1json
2req_array = {
3                    'appid': '123456',
4                    'logid': logid,
5                    'format': 'json',
6                    'from': 'test-python',
7                    'cmdid': '123',
8                    'clientip': '0.0.0.0',
9                    'data': base64.b64encode(data),
10                }
11    req_json = json.dumps(req_array)

python代码示例如下：

Plain Text

1import base64
2import json
3from proto import general_classify_client_pb2
4
5//输入图片为01.jpg
6image_file = "01.jpg"
7
8//将图片内容读取至image_data
9with open(image_file, 'rb') as f:
10    image_data = f.read()
11
12proto_data = general_classify_client_pb2.GeneralClassifyRequest()
13proto_data.image = image_data
14data = proto_data.SerializeToString()
15
16logid = random.randint(1000000, 100000000)
17
18# 将data转为json，并进行base64编码
19req_array = {
20                    'appid': '123456',
21                    'logid': logid,
22                    'format': 'json',
23                    'from': 'test-python',
24                    'cmdid': '123',
25                    'clientip': '0.0.0.0',
26                    'data': base64.b64encode(data),
27    
28                }
29# 最终应该传入http body的内容
30req_json = json.dumps(req_array)

返回格式

error_code、error_msg即错误码和错误描述，详细含义请参考错误码表, error_code为0代表请求成功
result是接口返回的详细信息, 格式为数组。
log_id是请求的日志id, 13位长(bigint), 用于定位请求。

Plain Text

1{
2    "error_code" : 0,  //错误码 0代表成功
3    "error_msg"  : "SUCCESS", //错误信息
4    "result" : {...} //返回结果 具体内容详见相关接口
5    "log_id" : 3535325235 //请求的日志id
6    "timestamp" : 1512391548 //请求到达的时间戳 精确到秒级
7    "cached" : 0 //未启用 无需处理
8}

返回内容解析：

Plain Text

1res_json = json.loads(response)
2if res_json['err_no'] == 0:
3    proto_result = general_classify_client_pb2.GeneralClassifyResponse()
4    proto_result.ParseFromString(base64.decodestring(res_json['result']))
5    res_json['result'] = protobuf_to_dict(proto_result)

接口调用说明

车型识别

检测图片中的主体车辆位置，识别车辆品牌型号（如宝马X3）、年份、颜色信息，可识别近3000款常见车型（小汽车为主）。

调用接口的地址示例：[192.168.0.1]:8125/GeneralClassifyService/classify，其中ip需要替换为用户自己服务器的ip，端口默认为：8125，可以在配置文件car.conf中修改

路径

/GeneralClassifyService/classify

请求参数

参数	是否必选	类型	可选值范围	说明
image	是	string	0-255彩色图像（base64编码）	图像数据，base64编码，size＞50。异常：若图片尺寸长或宽小于50pixel，会提示尺寸过小
top_num	否	int		返回车型识别结果的个数，按照概率高低排序；默认是5

请求参数构造及python代码示例

请求参数为json格式，请求时请将Content-Type设置为application/json格式。

请求参数格式如下：

Plain Text

1json
2{
3
4    'data':base64encode(
5        {
6            "image"     : base64encode(binary image data),
7            "top_num"    : 5,
8        }
9    )
10}

python代码示例如下：

Plain Text

1python
2import base64
3import json
4
5# 输入图片为/home/work/01.jpg
6image_file = "/home/work/01.jpg"
7
8# 将图片内容读取至image_data
9with open(image_file, 'rb') as f:
10    image_data = f.read()
11
12data = {
13# 将image_data进行base64编码
14    "image": base64.b64encode(image_data),
15    # 设置车型识别输出结果的前几位结果
16    "top_num": 5,
17}
18
19request_body = {
20# 将data转为json，并进行base64编码
21"data": base64.b64encode(json.dumps(data))
22}
23
24# 最终应该传入http body的内容
25print json.dumps(request_body)

返回参数

字段	是否必选	类型	说明
color	是	string	车型颜色，例如：红色
location	是	object	车辆在图片中的位置信息
+height	是	float	目标检测框高度
+left	是	float	目标检测框左坐标
+top	是	float	目标检测框顶坐标
+width	是	float	目标检测框宽度
result	是	object[]	车型识别结果数组
+class_name	否	string	车型名称，如：宝马x6
+probability	否	float	置信度，取值范围0-1
+year	否	string	年份

返回示例

Plain Text

1json
2{
3  "color":"白色",
4  "location":
5        {
6            "height":445.0488586425781,
7            "left":0.0,
8            "top":267.1705017089844,
9            "width":1256.413696289062
10        },
11  "result":[
12        {
13          	"class_name":"别克威朗(Verano)",
14          	"probability":0.9993143677711487,
15          	"year":"2017"
16        },
17        {
18          	"class_name":"别克英朗",
19          	"probability":9.359556133858860e-05,
20          	"year":"2017"
21        },
22        {
23          	"class_name":"通用(别克昂科拉)Mokka",
24          	"probability":3.383650619070977e-05,
25          	"year":"2017"
26        },
27        {
28          	"class_name":"长城C50",
29          	"probability":1.912148218252696e-05,
30          	"year":"2012-2016"
31        },
32        {
33          	"class_name":"吉利博瑞",
34          	"probability":1.428041650797240e-05,
35          	"year":"2015-2017"
36        }
37  ],
38  "type_name":"fg-car-online"
39}

错误返回值

参数	类型	必选	说明
err_msg	string	是	错误信息，只在异常中出现（参考错误码）
err_code	unit32	是	错误码，只在异常中出现（参考错误码）

错误码表

err_code	err_msg	名称	解释
1	无	GENERAL_CLASSIFY_CONF_FILE_ERR	部署包中配置文件错误
2	car_damage_service[status:fail to parse rec_returned value]	GENERAL_CLASSIFY_PREDICT_ERR	车型识别服务错误，无法解析识别结果
3	fg_car_service[status:image size < 50]	GENERAL_CLASSIFY_IMAGE_ERR	图像尺寸小于50像素
4	fg_car_service[status:parse pb error]	GENERAL_CLASSIFY_PARSE_PB_ERR	无法解析请求
5	fg_car_service[status: topnum type error]	GENERAL_CLASSIFY_REQUEST_TYPE_ERR	车型识别中设置的top_num的类别错误，应为uint
6	ImageClassify[status: authenticate error]	IMAGECLASSIFY_AUTHENTICATE_ERR	鉴权失败

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，同时可定位小汽车、卡车、巴士的车牌位置。

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，识别效果欠佳，后续会扩展面向高空拍摄场景的模型。

调用接口的地址示例：[192.168.0.1]:8125/GeneralClassifyService/classify，其中ip需要替换为用户自己服务器的ip，端口默认为：8125，可以在配置文件car.conf中修改

路径

/GeneralClassifyService/classify

请求参数

参数	是否必选	类型	可选值范围	说明
image	是	string	0-255彩色图像（base64编码）	图像数据，base64编码，size＞50。异常：若图片尺寸长或宽小于50pixel，会提示尺寸过小

请求参数构造及python代码示例

请求参数为json格式，请求时请将Content-Type设置为application/json格式。

请求参数格式如下：

Plain Text

1json
2{
3
4    'data':base64encode(
5        {
6            "image"     : base64encode(binary image data),
7        }
8    )
9}

python代码示例如下：

Plain Text

1python
2import base64
3import json
4
5# 输入图片为/home/work/01.jpg
6image_file = "/home/work/01.jpg"
7
8# 将图片内容读取至image_data
9with open(image_file, 'rb') as f:
10    image_data = f.read()
11
12data = {
13# 将image_data进行base64编码
14    "image": base64.b64encode(image_data),
15}
16
17request_body = {
18# 将data转为json，并进行base64编码
19"data": base64.b64encode(json.dumps(data))
20}
21
22# 最终应该传入http body的内容
23print json.dumps(request_body)

返回参数

字段	是否必选	类型	说明
objects	是	vector	检测到的目标信息
+height	是	int32	目标检测框高度
+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
+label	是	int32	目标物体类型： 1 - car（小汽车）; 2 - mediumbus（中巴）; 3 - bus（大巴）; 4 - minivan（小型货车）; 5- truck（卡车）; 6 - heavytruck（重型卡车）; 7 - tricycle（三轮车）; 8 - motorbike（摩托车）; 9 - bicycle（自行车）; 10 - plate（车牌）
+prob	是	float	置信度分数，取值0-1

返回示例

Plain Text

1json
2{
3  'type_name': u'fg-car-det-surveillance',
4  'objects': [
5    {
6      'top': 413, 
7      'height': 265,
8      'width': 506,
9      'label': 1, 
10      'prob': 0.5790910124778748, 
11      'left': 1389
12    }, 
13    {
14      'top': 144, 
15      'height': 34, 
16      'width': 53, 
17      'label': 1, 
18      'prob': 0.5447509288787842, 
19      'left': 568
20    }
21  ]
22}

错误返回值

参数	类型	必选	说明
err_msg	string	是	错误信息，只在异常中出现（参考错误码）
err_code	unit32	是	错误码，只在异常中出现（参考错误码）

错误码表

err_code	err_msg	解释
GENERAL_CLASSIFY_REQUEST_ERR = 216100	fg_car_service[status:parse pb error]	输入错误
GENERAL_CLASSIFY_IMAGE_ERR=216201	fg_car_service[status:no image] fg_car_service[status:image empty] fg_car_service[status:image size < 50]	图像出错
GENERAL_CLASSIFY_BACKEND_ERROR = 216400		conf文件读取错误
GENERAL_CLASSIFY_SUCCEED=0	fg_car_service[status:succeed]	成功

车流量统计

车辆检测与追踪：检测图像中的所有车辆，识别每辆车的类型和坐标位置，可根据连续的视频图片序列，跟踪车辆轨迹。
动态车流量统计：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，统计各类车辆进出区域的数量，可返回含统计值和跟踪框的渲染图。

调用接口的地址示例：[192.168.0.1]:8120/GeneralClassifyService/classify，其中ip需要替换为用户自己服务器的ip，端口默认为：8120

路径

/GeneralClassifyService/classify

请求参数

字段	必需	类型	取值范围	说明
dynamic	是	bool	True/False	True：动态车流检测，返回总车辆数、跟踪ID、动态车流；False：只进行静态车辆检测，返回总车辆数
appid	否	string		区分不同的应用，无实际含义
case_id	当dynamic为True时，必需	int		任务ID（服务通过case_id区分不同视频流，用户自拟，不同序列间不可重复）
case_init	当dynamic为True时，必需	bool	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时从redis上重载该case的跟踪状态。当为false且redis上读取不到相应case的信息时，直接重新初始化。redis时效6000s
cmd	当dynamic为True时，必需	string	track, finish	跟踪过程使用track命令，结束时使用finish命令。当前版本track和finish没有区别
image	是	string	0-255彩色图像（base64编码），size>50	输入数据中["image"]字段，图像数据，base64编码。异常：若图片尺寸长或宽小于10pix或大于4096pix会提示尺寸不在范围内。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,）
show	可选	bool	True/False	是否返回结果图（含统计值和跟踪框）。缺省时不返回。
area_static	可选	array(int)	原图像素范围	静态车流统计时，只返回区域内的车辆数，格式为[[x1,y1,x2,y2,...,xn,yn]]，按顺序依次给出每个顶点的xy坐标（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）。暂时只支持每次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_dynamic	当dynamic为True时，必需	array(int)	原图像素范围	动态车流统计时，进出区域的车辆会被统计，格式为[[x1,y1,x2,y2,...,xn,yn]]，按顺序依次给出每个顶点的xy坐标（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）。暂时只支持每次单个多边形区域，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

请求参数构造及python代码示例

请求参数为json格式，请求时请将Content-Type设置为application/json格式。

请求参数格式如下：

Plain Text

1json
2{
3    req_array = {
4                    'appid': '1234567',
5                    'logid': logid,
6                    'format': 'json',
7                    'from': 'tet-python',
8                    'cmdid': '123',
9                    'clientip': '0.0.0.0',
10                    'data': req_data
11                }
12}

python代码示例如下：

Plain Text

1python
2import base64
3import json
4
5# 输入图片
6image_file = "01.jpg"
7
8# 将图片内容读取至image_data
9with open(image_file, 'rb') as f:
10    image_data = f.read()
11
12data={}
13#准备request data
14data["appid"] = "123456"
15data["image"] = base64.b64encode(image_data)
16data["dynamic"] = False
17data["cmd"] = "track"
18data["case_id"] = 1322323
19data["case_init"] = True
20
21req_data = base64.b64encode(json.dumps(data))
22
23request_body = {
24                'appid': '1234567',
25                'logid': "202112061234",
26                'format': 'json',
27                'from': 'tet-python',
28                'cmdid': '123',
29                'clientip': '0.0.0.0',
30                'data': req_data
31            }
32
33# 最终应该传入http array的内容
34req_json = json.dumps(request_body)

返回参数

返回值格式：

参数	类型	必须	说明
err_msg	string	是	错误信息（参考错误码）
err_no	uint32	是	错误码（参考错误码）
result	json string	是	返回结果信息，格式详见后文“示例返回值”。
image	string	否	0-255彩色图像（base64编码的jpg编码文件）

正确返回值说明：

字段	类型	说明
vehicle_num	object	检测到的车辆数目（单图）
+car	int	小汽车数量
+truck	int	卡车数量
+bus	int	巴士数量
+motorbike	int	摩托车数量
+tricycle	int	三轮车数量
vehicle_info	object数组	每个框的具体信息
+location	object	跟踪到的车辆检测框位置
++left	int	车辆检测框左坐标
++top	int	车辆检测框顶坐标
++width	int	车辆检测框宽度
++height	int	车辆检测框高度
+ID	int	车辆的ID编号
+type	string	车辆类别
+score	float	类别置信度
vehicle_count	object	进出区域的车流统计
+car	object	小汽车
++in	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（下同）
++out	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（下同）
+truck	object	卡车
++in	int
++out	int
+bus	object	巴士
++in	int
++out	int
+motorbike	object	摩托车
++in	int
++out	int
+tricyle	object	三轮车
++in	int
++out	int
image	string(jpg encode，base64)	结果图，含跟踪框和统计值（渲染jpg图片byte内容的base64编码，请求端得到后先做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

dynamic为true时，执行连续帧动态跟踪和车流统计，前后帧之间同一目标具有相同ID

未检测到任何车辆：

Plain Text

1{
2    "vehicle_num":
3    {
4        "car":0,
5        "truck":0,
6        ...
7        "tricycle":0
8    },
9    "vehicle_info":[],
10    “vehicle_count”:
11    {
12        "car":
13        {
14            "in":0,
15            "out":0
16        },
17        "truck":
18        {
19            "in":0
20            "out":0
21        },
22        ...
23    }
24}

检测到1辆小汽车、1辆卡车，无轨迹，无车进出区域：

Plain Text

1{
2    "vehicle_num":
3    {
4        "car":0,
5        "truck":1,
6 
7        ...
8 
9        "tricycle":0
10 
11    },
12 
13    "vehicle_info":[],
14    “vehicle_count”:
15    {
16        "car":
17        {
18            "in":0,
19            "out":0
20        },
21        "truck":
22        {
23            "in":0
24            "out":0
25        },
26 
27        ...
28 
29    }
30}

检测到2辆小汽车、1辆卡车，3条轨迹，1辆卡车离开区域：

Plain Text

1{
2    "vehicle_num":
3    {
4        "car":2,
5        "truck":1,
6 
7        ...
8 
9        "tricycle":0
10 
11    },
12 
13    "vehicle_info":
14    [
15        {
16            "ID":3
17            "location":
18            {
19                "left": 100,
20                "top": 200,
21                "width": 200,
22                "height": 400,
23             }
24            "type": "car"
25        },
26        {
27            "ID": 5
28            "location":
29            {
30                "left": 400,
31                "top": 200,
32                "width": 200,
33                "height": 400,
34             }
35            "type": "car"
36         },
37         {
38            "ID": 6
39            "location":
40            {
41                "left": 600,
42                "top": 200,
43                "width": 300,
44                "height": 400,
45             }
46            "type": "truck"
47         }
48    ],
49    “vehicle_count”:
50    {
51        "car":
52        {
53            "in":0,
54            "out":0
55        },
56        "truck":
57        {
58            "in":0
59            "out":1
60        },
61 
62        ...
63 
64    }
65}

dynamic为false时，只执行单帧检测，ID仅为单帧图像内不同车辆的序号，前后帧之间ID无关联

未检测到任何车辆：

Plain Text

1{
2    "vehicle_num":
3    {
4        "car":0,
5        "truck":0,
6        ...
7        "tricycle":0
8    },
9    "vehicle_info":[],
10    “vehicle_count”:
11    {
12        "car":
13        {
14            "in":0,
15            "out":0
16        },
17        "truck":
18        {
19            "in":0
20            "out":0
21        },
22        ...
23    }
24}

检测到2辆小汽车、1辆卡车：

Plain Text

1{
2    "vehicle_num":
3    {
4        "car":2,
5        "truck":1,
6 
7        ...
8 
9        "tricycle":0
10 
11    },
12 
13    "vehicle_info":
14    [
15        {
16            "ID":0
17            "location":
18            {
19                "left": 100,
20                "top": 200,
21                "width": 200,
22                "height": 400,
23             }
24            "type": "car"
25        },
26        {
27            "ID": 1
28            "location":
29            {
30                "left": 400,
31                "top": 200,
32                "width": 200,
33                "height": 400,
34             }
35            "type": "car"
36         },
37         {
38            "ID": 2
39            "location":
40            {
41                "left": 600,
42                "top": 200,
43                "width": 300,
44                "height": 400,
45             }
46            "type": "truck"
47         }
48    ],
49    “vehicle_count”:
50    {
51        "car":
52        {
53            "in":0,
54            "out":0
55        },
56        "truck":
57        {
58            "in":0
59            "out":0
60        },
61 
62        ...
63 
64    }
65}

错误返回值

参数	类型	必选	说明
err_msg	string	是	错误信息，只在异常中出现（参考错误码）
err_code	unit32	是	错误码，只在异常中出现（参考错误码）

错误码表

err_no	value	err_msg	解释
GENERAL_CLASSIFY_SUCCEED	0	fg-jinlong[status:person counting succeed]	整体流程成功
GENERAL_CLASSIFY_CONF_FILE_ERR	216401	GeneralClassifyProcessorFactory[status:reading conf file error]	读取conf文件出错
GENERAL_CLASSIFY_BBOX_PREDICT_ERR	216401	GeneralClassify[status: bbox predict error!]	boudingbox检测过程出错
GENERAL_CLASSIFY_IMAGE_EMPTY_ERR	216200	fg-jinlong[status:empty image]	输入数据中不存在“image”字段
GENERAL_CLASSIFY_IMAGE_FORMAT_ERR	216201	fg-jinlong[status:image format error]	读取base64输入图片出错
GENERAL_CLASSIFY_IMAGE_SIZE_ERR	216202	fg-jinlong[status:image size not between 10 and 4096]	输入图片尺寸不在允许范围之内
GENERAL_CLASSIFY_AUTH_ERR	216401	fg-jinlong[status:auth verify error]	鉴权出错
GENERAL_CLASSIFY_FEATURE_EXTRACT_ERR	216401	GeneralClassify[status: re-id feature extract error!]	特征提取过程出错
GENERAL_CLASSIFY_REDIS_ERR	216401	fg-jinlong[status:access redis error]	访问redis过程出错
GENERAL_CLASSIFY_INPUT_FORMAT_ERR	216100	fg-jinlong[status:invalid input param]	输入参数无效
GENERAL_CLASSIFY_INPUT_ABSENCE_ERR	216101	fg-jinlong[status:not enough input param]	输入参数不完整

部署说明

视频专区

百度智能云

图像识别

图像识别

接口调用

接口格式说明

变量类型定义

返回格式

接口调用说明

车型识别

车辆检测

车流量统计