派生自 ruleprocess
ruleserver/ruleToformula.go
@@ -3,6 +3,7 @@ import ( "encoding/json" "fmt" "log" "sort" "strconv" "strings" @@ -60,6 +61,12 @@ score float64 // 区域内的目标的相似度 proportion float64 // 区域内的目标的占比 size float64 // 区域内的目标的尺寸 liker []LikePerson } type LikePerson struct { Id string // 与之相似的底库人员的id Score float64 // 与底库人员的相似值 } // 每个区域内的图片数据集合 @@ -83,7 +90,8 @@ // sdk输出的图片上单个目标的数据 type PhotoMap struct { Rects Rect // 矩形区域参数 Score float64 // 相似度得分 Score float64 // 相似度得分（有多大程度像一个目标。人脸，人体或车等等） Liker []LikePerson // 如果是人脸的话尤其是比对，应存下他跟底库的人员的相似情况 yolo的话给nil就行 } // 从通道中获取的sdk输出的图像数据(目前主要是yolo算法的数据) @@ -110,7 +118,7 @@ type Result struct { TaskId string // 任务id RuleGroupId string // 规则组id AlarmLevel int32 // 报警等级 AlarmLevel int32 // 报警等级 RuleText string // 文字版规则组 } @@ -188,11 +196,17 @@ // 将字符串格式的坐标序列化为Point格式 func Json2points(areaPoints string) []Point { var pts []Point err := json.Unmarshal([]byte(areaPoints), &pts) if err != nil { fmt.Println("json.Unmarshal错误", err) panic("序列化坐标异常，程序退出") if areaPoints == "" { pts = append(pts, Point{0, 0}) pts = append(pts, Point{0, 540}) pts = append(pts, Point{960, 540}) pts = append(pts, Point{960, 0}) } else { err := json.Unmarshal([]byte(areaPoints), &pts) if err != nil { fmt.Println("json.Unmarshal错误", err) panic("序列化坐标异常，程序退出") } } return pts } @@ -295,19 +309,26 @@ func singleTask(aml *AreaMapList, arg *ArgsFromSdk, groupRule *protomsg.GroupRule, taskId string) bool { var completeFormula string = "" for _, areaMap := range aml.areaMapList { //fmt.Println("当前规则组为---------：",groupRule) for j := 0; j < len(groupRule.Rules); j++ { // 先过完条件数据 filterRule(groupRule.Rules[j], &areaMap) } for j := 0; j < len(groupRule.Rules); j++ { // 再过其他数据 这步直接得到结果（真或假） // 再过其他数据 这步直接得到结果（真或假） 过目标数量 flag := transferParameters(groupRule.Rules[j], &areaMap) if flag != "" { fmt.Println("得出的结果", flag) completeFormula = completeFormula + groupRule.Rules[j].RuleWithPre + "" + flag } } if completeFormula == "" { flag := splice1(&areaMap) if flag != "" { fmt.Println("强行拼凑一个人数是否大于0的结果", flag) completeFormula = flag } } for j := 0; j < len(groupRule.Rules); j++ { // 这步过的是时间规则（时间段等） flag := timeRuleResult(groupRule.Rules[j], &areaMap) @@ -316,16 +337,18 @@ completeFormula = completeFormula + groupRule.Rules[j].RuleWithPre + "" + flag } } for j := 0; j < len(groupRule.Rules); j++ { // 最后过持续时间等时间维度的条件 duration(groupRule.Rules[j], &areaMap) } } fmt.Println("拼出的数学公式为:==== ", completeFormula) if completeFormula != "" { expression, _ := govaluate.NewEvaluableExpression(completeFormula) result, _ := expression.Evaluate(nil) // 得到数学公式的结果 fmt.Println("这帧图像在任务下的除了持续时间外的一整条规则下的判断结果", result) //fmt.Println("这帧图像在任务下的除了持续时间外的一整条规则下的判断结果", result) // 由于天然或的关系，满足一个就该报警,即该帧数据对于某个任务的某个规则组应该报警 if !result.(bool) { // 如果不符合条件，应该重置定时器元素，等符合时再开启,把key中包含任务id的timeEle都重置 for k, timeEle := range TimeEleList { @@ -347,7 +370,7 @@ if flag { fmt.Println("定时器报警了") // 过完规则后打个标签，告诉调用者本帧数据针对哪个任务哪组规则报警了 arg.RuleResult = append(arg.RuleResult, Result{taskId, groupRule.GroupId,groupRule.AlarmLevel,groupRule.GroupText}) arg.RuleResult = append(arg.RuleResult, Result{taskId, groupRule.GroupId, groupRule.AlarmLevel, groupRule.GroupText}) return true } else { return false @@ -395,12 +418,14 @@ } // 先清空过滤后的数据，再往里塞本次过滤后的数据 am.filterData = am.filterData[0:0] log.Println("看一下当前小规则：",*rule) for _, arg := range args { var formula string if rule.SdkArgAlias == "score" { formula = strconv.FormatFloat(arg.score, 'f', -1, 64) + " " + rule.Operator + " " + rule.SdkArgValue // 得到字符串公式 } else if rule.SdkArgAlias == "proportion" { formula = strconv.FormatFloat(arg.proportion, 'f', -1, 64) + " " + rule.Operator + " " + rule.SdkArgValue // 得到字符串公式 fmt.Println("占比的字符串公式：--------",formula) } else { formula = strconv.FormatFloat(arg.size, 'f', -1, 64) + " " + rule.Operator + " " + rule.SdkArgValue // 得到字符串公式 } @@ -411,7 +436,6 @@ } } am.targetNum = len(am.filterData) // 把符合条件的目标数量更新到targetNum字段 //fmt.Println("筛选完后的内容：", am) } } } @@ -438,6 +462,16 @@ } } } } // 冗余拼接 func splice1(am *AreaMap) string { args := am.targetNum log.Println("看看区域内目标数量：----------",args) formula := strconv.Itoa(args) + " " + ">" + "0" expression, _ := govaluate.NewEvaluableExpression(formula) // 得到数学公式 result, _ := expression.Evaluate(nil) // 得到数学公式的结果 return strconv.FormatBool(result.(bool)) } // 给数据库的规则表达式代参 args: 一条子规则，区域数据 @@ -469,10 +503,14 @@ } else if rule.SdkId == "FaceDetect" { // 人脸检测 if rule.Operator == "==" || rule.Operator == ">=" || rule.Operator == "<=" || rule.Operator == "<" || rule.Operator == ">" || rule.Operator == "!=" { // 如果是不规矩的连接符统统返回false 规则也只能判断人脸的相似度，所以不存在别的连接符 return "false" } else { return "false" } } else if rule.SdkId == "FaceCompare"{ // 只需要过滤阈值，过滤完后数组长度大于0即为报警，但如何对每一张都报警呢 } }
