API接入说明_明厨亮灶解决方案_最佳实践

步骤一：准备工作

1.开通阿里云视频监控和智能视觉。
2.登录智能视觉控制台，点击“授权管理”，查看“视频监控授权”，点击“去授权”。开启监控授权

步骤二：将监控流推/拉流至云端

用户需要首先在视频监控产品中创建空间，配置域名，添加监控设备，启动流，监控服务拉流到云端。

视频监控目前支持通过两种协议接入：

通过RTMP协议进行设备推流，直接把监控设备的直播流推入到阿里云视频监控服务的接入点。
通过国标GB/T28181协议进行设备拉流，拉流前需要进行设备国标注册。

接入前准备：

通过公网接入监控上云，需要您先准备好备案过的域名，详情请参见域名备案。（如果使用RTMP协议接入，需准备备案过的推流和播流域名。如果使用国标协议接入，仅准备一个备案过的播流域名。）

通过阿里云管理控制台（或API接口）来完成视频监控接流的流程如下：

创建空间，进行空间配置（或使用API CreateGroup 创建空间）
配置域名并进行CNAME解析（或使用API DescribeVsDomainDetail获取CNAME解析地址，去域名产品控制台或者使用API AddDomainRecord配置域名解析）
配置URL鉴权（或通过SDK设置鉴权KEY和过期时间，得到鉴权URL地址）
添加国标设备，进行设备国标注册，成功后即可启动拉流（或使用API CreateDevice添加设备）

注：如果是国标协议接入，需要在摄像头或网络存储平台或视频管理平台进行设备国标注册，详细流程见设备国标注册。如果是RTMP协议接入，此时可直接使用推流的鉴权URL开始推流。

步骤三：开启智能视觉AI分析

明厨亮灶场景是厨房操作人员卫生是否达标进行实时检测分析，并将检测结果实时返回给客户，主要包括：是否佩戴帽子，口罩，手套等检测。

系统模型ID：

识别是否戴帽子口罩，模型ID：59520769ac6349b08af7bce82bdf7492
识别是否戴手套，模型ID：c8e2b6418f564576bf2cd9974a48a548

流程说明：

调用智能视觉API接口创建流预测并输入被预测流ID、模型ID以及MNS队列名称信息，启动流预测，从监控服务拉流进行预测处理，并将预测结果回调到用户指定的MNS队列。

调用视频监控服务API： DescribeStream接口返回PlayDomain， App， Name三元组，按规则拼接产生streamId：rtmp://PlayDomain/App/Name
调用智能视觉服务API：CreateStreamPredict接口，创建流预测任务：

CreateStreamPredictRequest request = new CreateStreamPredictRequest();
// 从视频监控服务DescribeStream接口获得拼接产生的 streamId
request.setStreamId(streamId);
// 直播类型，Live
request.setStreamType("Live");
// 输入明厨亮灶系统模型ID
request.setModelIds(modelId);
// 创建流预测时，是否自动开始预测，这里演示手动开始模式。
request.setAutoStart("false");
// 流预测时，保存结果有问题的地址前缀。
request.setOutput("http://ivison-test.oss-cn-beijing.aliyuncs.com/ivision-test/");
// 配置消息通知，当前只支持MNS队列。
JSONObject notify = new JSONObject();
notify.put("MNSQueue", "ivison-test-queue");
request.setNotify(notify.toJSONString());
CreateStreamPredictResponse response = vars.getClient().getAcsResponse(request);
String predictId = response.getPredictId();

调用智能视觉API：StartStreamPredict接口，开启流预测：

StartStreamPredictRequest request = new StartStreamPredictRequest();
// 创建流预测时，返回的预测ID。
request.setPredictId(predictId);
StartStreamPredictResponse response = vars.getClient().getAcsResponse(request);

接收流预测结果消息：MNS如何接收消息见MNS收消息示例代码。具体的消息格式如下：

{
  "predictDatas": [
    {
      "dataUrl": "http://xxx/1.jpg", // 图片地址
      "modelId": "xxxx", // 模型ID
      "predictId": "xxx", // 预测任务ID
      "timestamp": 11111, // 流时间戳
      "predictTime": "2019-05-14T10:10:10:001Z", // 进行预测的UTC时间
      "status": "success", // 预测结果，success，fail
      //预测结果
      "predictResult": "{\"objects\":[{\"rect\":{\"top\":197,\"left\":365,\"width\":59,\"height\":80},\"tagId\":\"1\",\"probability\":0.78249687,\"properties\":{\"hat\":{\"result\":true,\"probability\":0.7388},\"mask\":{\"result\":true,\"probability\":0.6523}}},{\"rect\":{\"top\":173,\"left\":425,\"width\":59,\"height\":72},\"tagId\":\"1\",\"probability\":0.6424332,\"properties\":{\"hat\":{\"result\":true,\"probability\":0.2589},\"mask\":{\"result\":false,\"probability\":0.3213}}}]}"
    }
  ]
}

predictResult是一个json字符串：

{
    "objects": [ //人脸列表
        {
            "rect": { //人脸坐标位置
                "top": 197,
                "left": 365,
                "width": 59,
                "height": 80
            },
            "tagId": "1", //分类tag
            "probability": 0.78249687, //人脸概率
            "properties": {
                "hat": { //帽子
                    "result": true, //true： 戴帽子，false：没戴帽子
                    "probability": 0.7388 //帽子概率
                },
                "mask": { //口罩
                    "result": true, //true： 戴口罩，false：没戴口罩
                    "probability": 0.6523 //口罩概率
                },
                "gloves": { //手套
                    "result": true, //true： 戴手套，false：没戴手套
                    "probability": 0.6523 //手套概率
                },
            }
        } 
    ]
}

// 收到的消息，转换为列表
JSONArray resultArray = JSONObject.parseArray(message.getMessageBodyAsString());

调用智能视觉API：StopStreamPredict 接口停止流预测任务

StopStreamPredictRequest request = new StopStreamPredictRequest();
request.setPredictId(predictId);
StopStreamPredictResponse response = vars.getClient().getAcsResponse(request);

调用智能视觉API： DeleteStreamPredict 删除流预测任务

DeleteStreamPredictRequest request = new DeleteStreamPredictRequest();
request.setPredictId(predictId);
DeleteStreamPredictResponse response = vars.getClient().getAcsResponse(request);

调用智能视觉API：DescribeStreamPredicts 查询流预测任务列表

DescribeStreamPredictsRequest request = new DescribeStreamPredictsRequest();
request.setPredictIds(predictId);
DescribeStreamPredictsResponse response = vars.getClient().getAcsResponse(request);
List<DescribeStreamPredictsResponse.StreamPredict> streamPredicts = response.getStreamPredicts();
for (DescribeStreamPredictsResponse.StreamPredict streamPredict : streamPredicts) {
    System.out.println(JSON.toJSONString(streamPredict));
}