派生自 ruleprocess
ruleserver/ruleToformula.go
@@ -64,7 +64,7 @@ Location Rect // 记下每个目标的位置参数，最后给结果装配人脸数据的时候用的到 SdkName string ThftRes protomsg.ThftResult Liker []LikePerson Liker []*protomsg.Baseinfo } type LikePerson struct { @@ -98,20 +98,8 @@ IsYolo bool // 是否是yolo数据 SdkName string ThftRes protomsg.ThftResult 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 Liker []*protomsg.Baseinfo // 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) //type ArgsFromSdk struct { // CameraId string // TaskId string // Photo []PhotoMap // yolo算法结构，也可以存人脸的数据，毕竟人脸中能用规则来测的还是那些参数 // KeepRight bool // 是否靠右行 算法判断的与上一帧图像的比较结果 // IsStatic bool // 是否静止 // ImageWidth int // 摄像机拍摄的图像宽 像素 // ImageHeight int // 摄像机拍摄的图像高 像素 // RuleResult []Result // 过完规则后打的标签 //} // 每个算法对于当前帧画面自己提取的数据 type SdkData struct { @@ -124,14 +112,13 @@ IsStatic bool // 是否静止 ImageWidth int // 摄像机拍摄的图像宽 像素 ImageHeight int // 摄像机拍摄的图像高 像素 AreaMapList []AreaMap // 本sdk提取的数据按照区域划分后的数据集合 RuleResult []Result // 过完规则后打的标签 AreaMapList []AreaMap // 本sdk提取的数据按照区域划分后的数据集合 } // 从算法模块儿拿来的对一帧图像各个算法提取的数据集合 type SdkDatas struct { CameraId string Sdkdata []SdkData Sdkdata []*SdkData RuleResult map[string]interface{} // 过完规则后打的标签 face: []Arg yolo: []Result } @@ -171,17 +158,18 @@ } // 根据摄像机id拿到摄像机所有区域 func GetPolygons(cameraId string) []*protomsg.CameraPolygon { func GetPolygons(cameraId string) []protomsg.CameraPolygon { var api dbapi.CameraApi data := api.FindAllPolygons() //fmt.Println("查到的所有区域：", data) // 根据id从map中拿到区域 var cameraPolygons []*protomsg.CameraPolygon var cameraPolygons []protomsg.CameraPolygon for _, item := range data { if item.CameraId == cameraId { if item.CameraId == cameraId && item.Type != "line" { // 需要根据比例把前台画的区域的坐标转化为相应摄像机拍摄的图像的大小 x坐标分别*image.width/页面区域宽 y坐标分别*image.height/页面区域高 // 前台宽高固定 cameraPolygons = append(cameraPolygons, &item) //log.Println("------------符合条件的区域：",item) cameraPolygons = append(cameraPolygons, item) } } //log.Println("根据摄像机id查到的区域", cameraPolygons, "--区域数量为：", len(cameraPolygons)) @@ -189,10 +177,9 @@ } // 把sdk从数据帧上提取的按照区域分类归置 func SdkDataFormat(cameraId string, arg *SdkData, cameraPolygons []*protomsg.CameraPolygon) { // cameraPolygons := GetPolygons(arg.CameraId) // list := AreaMapList{} func SdkDataFormat(cameraId string, arg *SdkData, cameraPolygons []protomsg.CameraPolygon) { for _, polygon := range cameraPolygons { //log.Println("++++++在这儿看一下区域啊", polygon) areaMap := AreaMap{cameraId: cameraId, areaId: polygon.Id, areaJson: polygon.Polygon, triggerLine: polygon.TriggerLine, directionLine: polygon.DirectionLine} // 为每个摄像机区域填充数据 areaMap.CountAreaObjs(arg) @@ -207,11 +194,13 @@ cameraPolygons := GetPolygons(args.CameraId) // 把所有的sdk提取的数据都按所属摄像机的区域归置 for _, arg := range args.Sdkdata { SdkDataFormat(args.CameraId, &arg, cameraPolygons) SdkDataFormat(args.CameraId, arg, cameraPolygons) } // 跑本摄像机的所有规则组 一组一组跑 taskRuleList := GetRuleGroup(args.CameraId) // 本摄像机下所有任务组 //log.Println("看下摄像机下的任务组：",taskRuleList) // 得到属于该摄像机的若干组任务的完整规则（跟每一条完整规则比较之后得出本张图像对于某个规则是否报警的结果。放进map，比如本帧图像的id，所碰撞成功的规则id） args.RuleResult = make(map[string]interface{}) args.RuleResult["yolo"] = []Result{} args.RuleResult["face"] = []Arg{} if len(taskRuleList) > 0 { @@ -226,6 +215,7 @@ linkTask(args, ruleList[i], taskId) } else { // 独立任务的处理 log.Println("----------------------------------------64摄像机入关") RunRule(args, ruleList[i], taskId) } } @@ -298,6 +288,7 @@ completeFormula = completeFormula + va.Result } if completeFormula != "" { log.Println("看看公式-----------：", completeFormula) expression, _ := govaluate.NewEvaluableExpression(completeFormula) result, _ := expression.Evaluate(nil) // 得到数学公式的结果 if result.(bool) { @@ -320,18 +311,19 @@ } } if flag { fmt.Println("本帧数据符合规则") fmt.Println("----------------------------终于走完万里长征") // 如果成功了我应该找到规则中涉及到的sdk，记录下他们的sdkname sdkName := "" for j := 0; j < len(groupRule.Rules); j++ { for _, sdkData := range args.Sdkdata { if groupRule.Rules[j].SdkId == sdkData.SdkId && sdkData.IsYolo{ // 只记录yolo符合规则的sdk if groupRule.Rules[j].SdkId == sdkData.SdkId && sdkData.IsYolo { // 只记录yolo符合规则的sdk sdkName = sdkName + "," + sdkData.SdkName } } } // 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 后加：可能还不够，还需要区分触发报警的对象，后面往es数据库插数据时要用 args.RuleResult["yolo"] = append(args.RuleResult["yolo"].([]Result), Result{taskId, sdkName, groupRule.GroupId, groupRule.AlarmLevel, groupRule.GroupText}) log.Println("-------------------结果标签",args.RuleResult["yolo"].([]Result)) return true } else { return false @@ -370,6 +362,7 @@ // } for _, obj := range arg.Photo { log.Println("------------------看看sdkData的Photo数据----------------", obj, "----顺便看看占比-----：", PgsInterPercent(areaPoints, obj.Rects, widthScale, heigthScale)) if threshold <= obj.Score && size <= float64(obj.Rects.Width*obj.Rects.Height) && intersectionper <= PgsInterPercent(areaPoints, obj.Rects, widthScale, heigthScale) { // 这步要备齐表达式里所需要的所有参数 a.targetNum++ @@ -482,7 +475,7 @@ sdkName := "" for j := 0; j < len(groupRule.Rules); j++ { for _, sdkData := range args.Sdkdata { if groupRule.Rules[j].SdkId == sdkData.SdkId && sdkData.IsYolo{ // 只记录yolo符合规则的sdk if groupRule.Rules[j].SdkId == sdkData.SdkId && sdkData.IsYolo { // 只记录yolo符合规则的sdk sdkName = sdkName + "," + sdkData.SdkName } } @@ -510,6 +503,7 @@ func filterRule(rule *protomsg.Rule, am *AreaMap) LittleRuleResult { if rule.SdkId == "FaceDetect" || rule.SdkId == "FaceCompare" { // 处理的是人脸算法 如果这条规则配置的是人脸算法，过滤完条件之后直接得出结果，因为肯定没有数量条件，自己拼接 log.Println("------------------------------------------还能进这儿了不成？？？") if rule.SdkId == am.sdkId && rule.PolygonId == am.areaId { // 算法和区域都得对的上 if rule.SdkId == "FaceCompare" { @@ -523,7 +517,7 @@ for _, obj := range am.filterData { for index := 0; index < len(obj.Liker); { // 将达不到阈值的相似者从相似者数组中删除 if obj.Liker[index].Score < argValue { if float64(obj.Liker[index].CompareScore) < argValue { // Go 语言中切片删除元素的本质是：以被删除元素为分界点，将前后两个部分的内存重新连接起来。不用怀疑，数组删除元素就这么坑爹 obj.Liker = append(obj.Liker[:index], obj.Liker[index+1:]...) } else {
