---注释

panlei

2019-06-29 8c59934ba4e2c213dc43c25d5a2fcb003187ad0e

 ruleserver/ruleToformula.go

@@ -101,18 +101,6 @@
   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)
//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 {
   TaskId      string
@@ -210,6 +198,7 @@
      }
      // 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{}
@@ -226,6 +215,7 @@
                     linkTask(args, ruleList[i], taskId)
                  } else {
                     // 独立任务的处理
                     log.Println("-------------------------入关")
                     RunRule(args, ruleList[i], taskId)
                  }
               }