panlei
2019-09-12 3fc92c3ead67b494fa4c99cdcc5edb31bdd40d69
label重大更新
2个文件已修改
23 ■■■■■ 已修改文件
ruleserver/personTrack.go 11 ●●●● 补丁 | 查看 | 原始文档 | blame | 历史
ruleserver/readyDataForRule.go 12 ●●●●● 补丁 | 查看 | 原始文档 | blame | 历史
ruleserver/personTrack.go
@@ -17,7 +17,7 @@
    Score float32
}
var num int = 5
var num int = 25
// 检查是否前后两次的数据id是否完全相同(人脸)
func FaceIsSame(msg *protomsg.SdkMessage) {
    logger.Debug("+++++++++++++++++++++追踪开始+++++++++++++++摄像机id为:", msg.Cid, "---缓存池为:", TrackPond)
@@ -25,7 +25,7 @@
        if sdkinfo.Sdktype == "FaceDetect" { // 人脸检测
            logger.Info("数据长度为:", len(sdkinfo.Sdkdata))
            if len(sdkinfo.Sdkdata) > 1 {
                num = 5
                num = 25
                FaceIsInPond(msg.Cid, sdkinfo)
            } else {
                if num > 0 { // 连续num次没有数据才算是没有数据,不然只算作丢帧
@@ -124,7 +124,12 @@
            logger.Info("解析face sdk数据时出现错误", err)
        }
        logger.Info("================追踪之前人脸的个数:", len(faceParam.Faces))
        var facesTemp = faceParam.Faces // 先把数据转存一份,不然一会儿数据删减之后找不到原始数据,不能让缓存数据更新了
        var facesTemp []protomsg.ResultFaceDetect
        for _,face := range faceParam.Faces {
            facesTemp = append(facesTemp,*face) // 先把数据转存一份,不然一会儿数据删减之后找不到原始数据,不能让缓存数据更新了
        }
        for i := 0; i < len(faceParam.Faces); {
            faceFlag := false
            for _, val := range TrackPond[cameraId].Faces {
ruleserver/readyDataForRule.go
@@ -82,10 +82,14 @@
        }
    }
    logger.Debug("当前数据帧要匹配的规则组:-------------------------","摄像机id:",cameraId,"任务id",taskId)
    for _,ruleGroup := range taskGroup.GroupRules{
        logger.Info(ruleGroup.GroupText)
    if taskGroup == nil  {
        return nil
    } else {
        for _,ruleGroup := range taskGroup.GroupRules{
            logger.Info(ruleGroup.GroupText)
        }
        return taskGroup
    }
    return taskGroup
}
// 根据摄像机id拿到摄像机所有区域
@@ -293,7 +297,7 @@
func (a *AreaMap) CountAreaObjs(arg *SdkData) {
    a.targetNum = 0
    threshold := 0.0       // 相似度
    threshold := 0.5       // 相似度
    intersectionper := 0.2 // 占比
    size := 0.0            // 尺寸