package main import ( "basic.com/pubsub/protomsg.git" "basic.com/valib/logger.git" "github.com/knetic/govaluate" "ruleprocess/structure" "strconv" ) // 人脸算法 func Entrance(rule *protomsg.Rule, am *structure.AreaMap,lable *structure.Others,args *structure.SdkDatas,message *protomsg.SdkMessage) structure.LittleRuleResult { logger.Debug("---------走了人脸检测算法",rule.Id,rule.SdkArgAlias,rule.Operator,rule.SdkArgValue,am.AreaId) return filterRule(rule,am) } // 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 { if rule.SdkId == "812b674b-2375-4589-919a-5c1c3278a97e" || rule.SdkId == "812b674b-2375-4589-919a-5c1c3278a972" { // 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 //logger.Info("规则的算法id和区域的算法id:", rule.SdkId, "===", am.sdkId) if rule.PolygonId == am.AreaId { // 算法和区域都得对的上 if rule.SdkId == "812b674b-2375-4589-919a-5c1c3278a972" && rule.SdkArgAlias != "time_rule" { if rule.RuleWithPre == "||" { return structure.LittleRuleResult{} } else { //logger.Debug("当前小规则是:",rule) flag := "false" // 把没有相似者的人脸从filterData中删除 for index := 0; index < len(am.FilterData); { // 将达不到阈值的相似者从相似者数组中删除 logger.Info("看看相似者人数:",len(am.FilterData[index].Liker)) if len(am.FilterData[index].Liker) == 0 { // 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 am.FilterData = append(am.FilterData[:index], am.FilterData[index+1:]...) } else { index++ } } if len(am.FilterData) > 0 { flag = "true" } logger.Info("---------人脸比对符合条件的数量为:",len(am.FilterData)) return structure.LittleRuleResult{am.SdkName, rule.RuleWithPre + "" + flag, rule.Sort} } } if rule.SdkId == "812b674b-2375-4589-919a-5c1c3278a97e" { // 人脸检测 //logger.Debug("当前小规则是:",rule) 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 if rule.SdkArgAlias == "score" || rule.SdkArgAlias == "proportion" || rule.SdkArgAlias == "size" { // 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.Info("-----------------------过规则之前区域内的人脸数量为:",am.TargetNum) var args []*structure.Arg if rule.RuleWithPre == "&&" { args = am.FilterData //logger.Info("过滤后的args的长度为:",len(args)) } else { args = am.Args //不清空之前的过滤数据,继续塞 //logger.Info("没过滤的args的长度为:",len(args)) } // 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] //logger.Info("-----------------------人脸过滤的args里的数量:", len(args)) 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 logger.Info("当前相似度小公式:", formula) } else if rule.SdkArgAlias == "proportion" { formula = strconv.FormatFloat(arg.Proportion, 'f', -1, 64) + " " + rule.Operator + " " + rule.SdkArgValue // 得到字符串公式 logger.Info("当前占比小公式:", formula) } else { formula = strconv.FormatFloat(arg.Size, 'f', -1, 64) + " " + rule.Operator + " " + rule.SdkArgValue // 得到字符串公式 logger.Info("当前尺寸小公式:", formula) } expression, _ := govaluate.NewEvaluableExpression(formula) // 得到数学公式 result, _ := expression.Evaluate(nil) // 得到数学公式的结果 if result.(bool) { am.FilterData = append(am.FilterData, arg) // 得到符合条件的过滤数据 } } am.TargetNum = len(am.FilterData) // 把符合条件的目标数量更新到targetNum字段 logger.Info("过完条件后的目标数量为:",am.TargetNum) if am.TargetNum > 0 { logger.Info("!!!!!!!!!人脸检测成功") return structure.LittleRuleResult{am.SdkName, rule.RuleWithPre + "" + "true", rule.Sort} } else { return structure.LittleRuleResult{am.SdkName, rule.RuleWithPre + "" + "false", rule.Sort} } } } else if rule.SdkArgAlias == "" { // 什么参数都不配的情况 if am.TargetNum > 0 { return structure.LittleRuleResult{am.SdkName, rule.RuleWithPre + "" + "true", rule.Sort} } else { return structure.LittleRuleResult{am.SdkName, rule.RuleWithPre + "" + "false", rule.Sort} } } } } } return structure.LittleRuleResult{} }