给摄像机追踪推送规则数据并引入log4go

panlei

2019-11-26 1a7d2c309893b38554fdee05c4b92d2618d66451

 algorithm/car/plate.go

@@ -12,7 +12,7 @@

func Entrance(rule *protomsg.Rule, am *structure.AreaMap,lable *structure.Others,args *structure.SdkDatas,message *protomsg.SdkMessage) structure.LittleRuleResult {
   if rule.PolygonId == am.AreaId { // 首先这条规则得是这个算法的规则，其次规则所对应的区域id要跟区域数据的id对的上
      if rule.SdkArgAlias != "nCarCount" && rule.SdkArgAlias != "nCarLogoCount" {
      if rule.SdkArgAlias != "nCarCount" {
         logger.Info("过滤车牌信息")
         return filterRule(rule, am)
      } else {
@@ -29,9 +29,9 @@
// 过滤规则先筛选出符合条件的目标数量
func filterRule(rule *protomsg.Rule, am *structure.AreaMap) structure.LittleRuleResult {
   // 处理的都是yolo数据
   carFlag := rule.SdkArgAlias == "license" ||  rule.SdkArgAlias == "nColor" || rule.SdkArgAlias == "nConfidence" ||
      rule.SdkArgAlias == "nBright" || rule.SdkArgAlias == "nTime" ||  rule.SdkArgAlias == "nCarBright" || rule.SdkArgAlias == "nCarColor" ||
      rule.SdkArgAlias == "nCarLogo" || rule.SdkArgAlias == "nCarType" ||  rule.SdkArgAlias == "nCarModel" || rule.SdkArgAlias == "nCarModelConfidence"
   carFlag := rule.SdkArgAlias == "license" ||  rule.SdkArgAlias == "nConfidence" || rule.SdkArgAlias == "fConfidence" ||
      rule.SdkArgAlias == "nType" || rule.SdkArgAlias == "nVehicleColor1" ||  rule.SdkArgAlias == "nVehicleBright" || rule.SdkArgAlias == "nCarColor" ||
      rule.SdkArgAlias == "fVDConf" || rule.SdkArgAlias == "nVehicleColor2" ||  rule.SdkArgAlias == "nColor" || rule.SdkArgAlias == "nPlateFlag"

   if rule.SdkArgAlias == "score" || rule.SdkArgAlias == "proportion" || rule.SdkArgAlias == "size" || carFlag{ // 判断的是相似值，占比，尺寸等过滤条件，如果再有，还可以再加
      logger.Debug("---------走了车牌识别过滤算法",rule.Id,rule.SdkArgAlias,rule.Operator,rule.SdkArgValue,am.AreaId)