# head_shoulder_data 头肩业务 #### 功能介绍 头肩业务：人群密度，排队长度，过线计数与人数统计相关的场景的智能业务。 头肩业务消息体的message_type值为head_shoulder_data。 目前行业视频管理服务会处理以下场景： itgt_type/target_type枚举值： - 12 人群密度（摄像机SDC/NVR800开启人群密度功能，会自动抓拍区域内人群，提取[人群信息]，如人群密度、人数等） - 13 排队长度（摄像机SDC/NVR800开启排队长度功能，会自动抓拍区域内的排队队列，提取[排队信息]，如排队人数、排队时长等） - 15 过线计数（摄像机SDC/NVR800开启过线计数功能，绘制一条线，指定进入和离开方向，有人通过线，则会记录[过线信息]，如进入总人数、离开总人数等） 表1message_type为head_shoulder_data时，data结构体如下： | 字段名 | 类型 | 说明 | |:---|:---|:---| | device_id | String | 设备ID，**正常情况下不为空，必传** | | channel_id | String | 通道ID，**正常情况下不为空，必传** | | data_id | String | 数据ID：**正常情况下不为空，必传**。此场景没有图片上传，无法通过data_id获取图片 | | report_time | String | 上报时间：示例：2021-03-15T16:43:00+08:00 | | data | [Data] object | 业务信息 | 表2Data | 字段名 | 类型 | 说明 | |:---|:---|:---| | common | [Common] object | 通用数据定义 | | rule | [Rule] object | 规则数据定义 | | targets | [Target] object | 目标数据定义 | 表3Common | 字段名 | 类型 | 说明 | |:---|:---|:---| | channel_id | Int64 | 通道ID | | channel_id_ex | Int64 | 相机扩展通道ID | | pts | Int64 | 时间戳 | | sdc_device_id | String | 主从机设备ID | | sdc_uuid | String | 摄像机视频源通道号 | | intelligence_type | Int | 智能类型 | | image_height | Int | 图片高度 | | image_width | Int | 图片宽度 | | meta_type_mask | Int | 元数据类型掩码 枚举值： - 1 框数据 - 2 图数据 - 8 保活数据 - 16 告警数据 | | intelligent_target_index | Int | 智能目标/业务类型索引 | | target_time_domain_info | Int | 配合索引使用，标识三层数据时域信息 枚举值： - 0 实时框数据（检测框，规则框数据，用于复合流请流） - 1 目标等其他数据（目标抓拍，定时上报，用于后端储存检索） | 表4Rule | 字段名 | 类型 | 说明 | |:---|:---|:---| | rule_line_dir | Int | 规则线方向 | | rule_line_pos | [MetaLine] object | 规则线位置 | | rule_line_pos_r | [MetaLine] object | 规则线位置(相对位置) | | rule_type | Int | 规则类型，参考附录[规则线类型](https://support.huaweicloud.com/api-ivm/ivm_03_0142.html#ZH-CN_TOPIC_0000001758544633__table27021940182213) | | rule_area_pos | [MetaArea] object | 规则框位置 | | rule_area_pos_relative | [MetaArea] object | 规则框位置(相对位置) | 表5MetaLine | 字段名 | 类型 | 说明 | |:---|:---|:---| | x1 | Int64 | 横坐标 | | x2 | Int64 | 横坐标 | | y1 | Int64 | 纵坐标 | | y2 | Int64 | 纵坐标 | 表6MetaArea | 字段名 | 类型 | 说明 | |:---|:---|:---| | num | Int | 框线坐标点数量：框线为多边形，这里表示顶点的个数 | | points | Array of [Point] Objects | 每个坐标点的具体坐标 | 表7Point | 字段名 | 类型 | 说明 | |:---|:---|:---| | x | Int | 横坐标 | | y | Int | 纵坐标 | 表8Target | 字段名 | 类型 | 说明 | |:---|:---|:---| | human_count_all_in_num | Int | 过线计数进入总人数 | | human_count_all_out_num | Int | 过线计数离开总人数 | | human_count_in | Int | 进入人数 | | human_count_out | Int | 离开人数 | | human_time_start | Int64 | 计时开始时间：单位毫秒/ms | | pic_snapshot_dst_offset | Int64 | 夏令时偏移时间：单位秒/s | | pic_snapshot_timems | Int64 | 抓拍时间：单位毫秒/ms | | pic_snapshot_tzone | Int64 | 抓拍时区：单位毫秒/ms 东区为+ 西区为- | | area_ratio | Int | 人群密度检测算法人群密度 | | head_shoulder_pos | [Rect] object | 人群密度检测算法返回框 | | human_time_start | Int64 | 计时开始时间：单位毫秒/ms | | human_time_stop | Int64 | 计时结束时间：单位/ms | | people_num | Int | 人群密度检测算法人数 | | queue_time | Int | 排队时长 | | shoulder_num | Int | 头肩个数 | | target_type | Int | 智能业务场景 枚举值： - 12 人群密度 - 13 排队长度 - 15 过线计数 | 表9Rect | 字段名 | 类型 | 说明 | |:---|:---|:---| | x | Int | 上层业务检测框左上角坐标点计算方式，x1 = x \*全景图像素宽度/ 10000 | | y | Int | 上层业务检测框左上角坐标点计算方式，y1 = y \*全景图像素高度/ 10000 | | width | Int | 上层业务检测框宽度计算方式 widht1 = widht \*全景图像素宽度/ 10000 | | height | Int | 上层业务检测框长度计算方式 height1 = height \*全景图像素高度/ 10000 | - 示例一、人群密度 ``` { "message_id": 1676823431368569189, "message_type": "head_shoulder_data", "data": { "device_id": "HOLO123***", "channel_id": "0", "data_id": "167682343135900410410000rwnwv040", "report_time": "2023-02-20T00:17:11+08:00", "data": { "common": { "channel_id": 101, "channel_id_ex": 101, "intelligent_target_index": 9223372036854775808, "meta_type_mask": null, "pts": 15360490474, "sdc_uuid": "e15ee2b3-83c2-073a-28e1-378e9612aa71", "target_time_domain_info": 1 }, "rule": { "rule_line_dir": 1, "rule_line_pos": { "x1": 20, "y1": 144, "x2": 340, "y2": 144 }, "rule_line_pos_r": { "x1": 568, "y1": 5000, "x2": 9659, "y2": 5000 }, "rule_type": 9 }, "targets": [ { "area_ratio": 0, "head_shoulder_pos": { "x": 5795, "y": 4270, "width": 653, "height": 1006 }, "human_count_all_in_num": 12, "human_count_all_out_num": 0, "human_count_in": 0, "human_count_out": 0, "human_time_start": 18446744073696131378, "human_time_stop": 18446744073696136378, "people_num": 1, "pic_snapshot_dst_offset": 0, "pic_snapshot_timems": 51767620, "pic_snapshot_tzone": 28800000, "queue_time": 0, "shoulder_num": 0, "target_type": 12 } ] } }, "test": false } ``` - 示例二、排队长度 ``` { "message_id": 1676874817394175412, "message_type": "head_shoulder_data", "data": { "device_id": "123456TEST***", "channel_id": "0", "data_id": "167687481124123400400000ayhea040", "report_time": "2023-02-20T14:33:37+08:00", "data": { "common": { "channel_id": 101, "channel_id_ex": 101, "intelligent_target_index": 4611686018427387904, "meta_type_mask": 3, "pts": 1194366429599, "sdc_uuid": "asdzxq4ad-3d12-1dcc-e88a-60242fc39ab9", "target_time_domain_info": 1 }, "rule": { "rule_area_pos": { "num": 7, "points": [ { "x": 0, "y": 133 }, { "x": 159, "y": 59 }, { "x": 210, "y": 41 }, { "x": 238, "y": 55 }, { "x": 174, "y": 85 }, { "x": 133, "y": 128 }, { "x": 1, "y": 243 } ] }, "rule_area_pos_relative": { "num": 7, "points": [ { "x": 0, "y": 4618 }, { "x": 4517, "y": 2048 }, { "x": 5965, "y": 1423 }, { "x": 6761, "y": 1909 }, { "x": 4943, "y": 2951 }, { "x": 3778, "y": 4444 }, { "x": 28, "y": 8437 } ] }, "rule_type": 11 }, "targets": [ { "human_time_start": 1676874816265, "human_time_stop": 1676874817273, "pic_snapshot_dst_offset": 0, "pic_snapshot_tzone": 28800000, "queue_time": 0, "shoulder_num": 0, "target_type": 13 } ] } }, "test": false } ``` - 示例三、过线计数 ``` { "message_id": 1676713666444641343, "message_type": "head_shoulder_data", "data": { "device_id": "210123456SMY***", "channel_id": "0", "data_id": "167671366643600420420000kcxdq090", "report_time": "2023-02-18T17:46:41+08:00", "data": { "common": { "channel_id": 101, "channel_id_ex": 101, "intelligent_target_index": 2305843009213693952, "meta_type_mask": 3, "pts": 0, "sdc_uuid": "d5b7fae2-d83e-c441-d1ae-b699d3d84a74", "target_time_domain_info": 1 }, "rule": { "rule_line_dir": 1, "rule_line_pos": { "x1": 95, "y1": 203, "x2": 271, "y2": 210 }, "rule_line_pos_r": { "x1": 2698, "y1": 7048, "x2": 7698, "y2": 7291 }, "rule_type": 9 }, "targets": [ { "human_count_all_in_num": 0, "human_count_all_out_num": 0, "human_count_in": 0, "human_count_out": 0, "human_time_start": 1676713541166, "pic_snapshot_dst_offset": 0, "pic_snapshot_timems": 1676713601160, "pic_snapshot_tzone": 28800000, "target_type": 15 } ] } }, "test": false } ```