空间分析操作

  • 项目

通过空间分析，你可以实时分析照相机设备的视频流。 对于你配置的每个相机设备，空间分析操作会生成发送到 Azure IoT 中心实例的 JSON 消息输出流。

空间分析容器实现以下操作。 可在容器的部署清单中配置这些操作。

操作标识符 说明
cognitiveservices.vision.spatialanalysis-personcount 计算照相机视野中指定区域的人数。 区域必须完全由一个相机覆盖，PersonCount 才能准确记录总人数。
发送初始 personCountEvent 事件，然后在计数发生更改时发送 personCountEvent 事件。
cognitiveservices.vision.spatialanalysis-personcrossingline 跟踪人员在相机视野中越过指定线的时间。
当有人越线时发送 personLineEvent 事件，并提供方向信息。
cognitiveservices.vision.spatialanalysis-personcrossingpolygon 当有人进入或离开指定区域时，发送 personZoneEnterExitEvent 事件，并提供方向信息以及已跨越过的区域侧。 当有人离开区域时发送 personZoneDwellTimeEvent，并提供方向信息以及人员在该区域内停留的毫秒数。
cognitiveservices.vision.spatialanalysis-persondistance 跟踪人员违反最小距离规则的时间。
定期发送 personDistanceEvent，包含每次违反距离规则的位置。
cognitiveservices.vision.spatialanalysis 可用于运行上述提到的所有方案的常规操作。 当你想要在同一相机上运行多个方案或想要更有效地使用系统资源（例如 GPU）时，此选项更加有用。

在服务的 .debug 版本中（例如 cognitiveservices.vision.spatialanalysis-personcount.debug）也提供了上述所有操作。 调试功能可以在处理视频帧的同时将其可视化。 需要在主机计算机上运行 xhost +，才能实现视频帧和事件的可视化效果。

重要

Azure AI 视觉 AI 模型可以检测和定位视频片段中的人类，并输出一个边框圈住人体。 AI 模型不会尝试发现个人的身份或人口统计信息。

操作参数

下面是每个空间分析操作所需的参数。

操作参数 说明
Operation ID 上表中的操作标识符。
enabled 布尔值：true 或 false
VIDEO_URL 照相机设备的 RTSP url（示例：rtsp://username:password@url）。 空间分析通过 RTSP、http 或 mp4 支持 H.264 编码流。 Video_URL 可以使用 AES 加密，作为经过模糊处理的 base64 字符串值提供，如果视频 URL 经过模糊处理，则 KEY_ENV 和 IV_ENV 需要作为环境变量提供。 有关生成密钥和加密的实用工具示例，请参阅此处。
VIDEO_SOURCE_ID 照相机设备或视频流的友好名称。 这将随事件 JSON 输出一起返回。
VIDEO_IS_LIVE 对于照相机设备为 true，对于录制的视频为 false。
VIDEO_DECODE_GPU_INDEX 用于解码视频帧的 GPU。 默认为 0。 应与其他节点配置（例如 DETECTOR_NODE_CONFIG 和 CAMERACALIBRATOR_NODE_CONFIG）中的 gpu_index 相同。
INPUT_VIDEO_WIDTH 输入视频/流的帧宽度（例如 1920）。 这是可选字段，如果提供，帧将扩展到此维度，同时仍保留纵横比。
DETECTOR_NODE_CONFIG JSON，指示要在其上运行检测程序节点的 GPU。 该值应采用以下格式："{ \"gpu_index\": 0 }",
TRACKER_NODE_CONFIG JSON，指示是否在跟踪器节点中计算速度。 该值应采用以下格式："{ \"enable_speed\": true }",
CAMERA_CONFIG JSON，指示多个相机的校准相机参数。 如果你使用的技能需要校准并且你已有相机参数，可以使用此配置直接提供它们。 应采用以下格式："{ \"cameras\": [{\"source_id\": \"endcomputer.0.persondistancegraph.detector+end_computer1\", \"camera_height\": 13.105561256408691, \"camera_focal_length\": 297.60003662109375, \"camera_tiltup_angle\": 0.9738943576812744}] }"其中 source_id 用于标识每个相机。 可从我们发布的事件的 source_info 获取它。 仅当 do_calibration=false 在 DETECTOR_NODE_CONFIG 中时生效。
CAMERACALIBRATOR_NODE_CONFIG JSON，指示要在哪个 GPU 上运行相机校准器节点，以及是否使用校准。 该值应采用以下格式："{ \"gpu_index\": 0, \"do_calibration\": true, \"enable_orientation\": true}",
CALIBRATION_CONFIG JSON，指示用于控制相机校准工作方式的参数。 该值应采用以下格式："{\"enable_recalibration\": true, \"quality_check_frequency_seconds\": 86400}",
SPACEANALYTICS_CONFIG 区域和线的 JSON 配置，如下所述。
ENABLE_FACE_MASK_CLASSIFIER True 表示启用检测视频流中佩戴口罩的人数，False 表示禁用该功能。 默认情况下，此功能处于禁用状态。 口罩检测要求输入视频宽度参数为 1920 "INPUT_VIDEO_WIDTH": 1920。 如果检测到的人没有面向照相机或距离太远，则不会返回口罩属性。 有关详细信息，请参阅 相机位置。
STATIONARY_TARGET_REMOVER_CONFIG 指示用于静止目标删除的参数的 JSON，它添加了一个功能，可用于学习和忽略长期静止的误报目标，如人体模型或图片上的人。 配置应采用以下格式："{\"enable\": true, \"bbox_dist_threshold-in_pixels\": 5, \"buffer_length_in_seconds\": 3600, \"filter_ratio\": 0.2 }"

检测器节点参数设置

下面是所有空间分析操作的 DETECTOR_NODE_CONFIG 参数的示例。

{
"gpu_index": 0,
"enable_breakpad": false
}
名称 Type 说明
gpu_index string 此操作将在其上运行的 GPU 索引。
enable_breakpad bool 指示是否启用 breakpad，用于生成故障转储以便进行调试。 默认情况下，它为 false。 如果将其设置为 true，则还需要在容器 createOptions 的 HostConfig 部分添加 "CapAdd": ["SYS_PTRACE"]。 默认情况下，故障转储会上传到 RealTimePersonTracking AppCenter 应用。如果要将故障转储上传到自己的 AppCenter 应用，可以使用自己应用的应用机密来替代环境变量 RTPT_APPCENTER_APP_SECRET。

相机校准节点参数设置

下面是所有空间分析操作的 CAMERACALIBRATOR_NODE_CONFIG 参数的示例。

{
  "gpu_index": 0,
  "do_calibration": true,
  "enable_breakpad": false,
  "enable_orientation": true
}
名称 Type 说明
do_calibration string 指示已启用校准。 若要使 cognitiveservices account 正常工作，do_calibration 必须为 true。 do_calibration 默认设置为 True。
enable_breakpad bool 指示是否启用 breakpad，用于生成故障转储以便进行调试。 默认情况下，它为 false。 如果将其设置为 true，则还需要在容器 createOptions 的 HostConfig 部分添加 "CapAdd": ["SYS_PTRACE"]。 默认情况下，故障转储会上传到 RealTimePersonTracking AppCenter 应用。如果要将故障转储上传到自己的 AppCenter 应用，可以使用自己应用的应用机密来替代环境变量 RTPT_APPCENTER_APP_SECRET。
enable_orientation bool 指示是否要计算检测到的人物的方向。 enable_orientation 默认设置为 True。

校准配置

下面是所有空间分析操作的 CALIBRATION_CONFIG 参数的示例。

{
  "enable_recalibration": true,
  "calibration_quality_check_frequency_seconds": 86400,
  "calibration_quality_check_sample_collect_frequency_seconds": 300,
  "calibration_quality_check_one_round_sample_collect_num": 10,
  "calibration_quality_check_queue_max_size": 1000,
  "calibration_event_frequency_seconds": -1
}
名称 Type 描述
enable_recalibration bool 指示是否启用自动重新校准。 默认值为 true。
calibration_quality_check_frequency_seconds int 每次质量检查之间的最小秒数，用于确定是否需要重新校准。 默认值为 86400（24 小时）。 仅当 enable_recalibration=True 时使用。
calibration_quality_check_sample_collect_frequency_seconds int 收集新数据样本进行重新校准和质量检查之间相隔的最小秒数。 默认值为 300（5 分钟）。 仅当 enable_recalibration=True 时使用。
calibration_quality_check_one_round_sample_collect_num int 每轮样本收集要收集的最小新数据样本数。 默认值为 10。 仅当 enable_recalibration=True 时使用。
calibration_quality_check_queue_max_size int 校准相机模型时要存储的最大数据样本数。 默认值为 1000。 仅当 enable_recalibration=True 时使用。
calibration_event_frequency_seconds int 相机校准事件输出频率（秒）。 -1 的值指示不应发送相机校准，除非相机校准信息已更改。 默认值为 -1。

相机校准输出

下面是相机校准输出（如果已启用）的示例。 省略号表示列表中的更多相同类型的对象。

{
  "type": "cameraCalibrationEvent",
  "sourceInfo": {
    "id": "camera1",
    "timestamp": "2021-04-20T21:15:59.100Z",
    "width": 512,
    "height": 288,
    "frameId": 531,
    "cameraCalibrationInfo": {
      "status": "Calibrated",
      "cameraHeight": 13.294151306152344,
      "focalLength": 372.0000305175781,
      "tiltupAngle": 0.9581864476203918,
      "lastCalibratedTime": "2021-04-20T21:15:59.058"
    }
  },
  "zonePlacementInfo": {
    "optimalZoneRegion": {
      "type": "POLYGON",
       "points": [
        {
          "x": 0.8403755868544601,
          "y": 0.5515320334261838
        },
        {
          "x": 0.15805946791862285,
          "y": 0.5487465181058496
        }
      ],
      "name": "optimal_zone_region"
    },
    "fairZoneRegion": {
      "type": "POLYGON",
      "points": [
        {
          "x": 0.7871674491392802,
          "y": 0.7437325905292479
        },
        {
          "x": 0.22065727699530516,
          "y": 0.7325905292479109
        }
      ],
      "name": "fair_zone_region"
    },
    "uniformlySpacedPersonBoundingBoxes": [
      {
        "type": "RECTANGLE",
        "points": [
          {
            "x": 0.0297339593114241,
            "y": 0.0807799442896936
          },
          {
            "x": 0.10015649452269171,
            "y": 0.2757660167130919
          }
        ]
      }
    ],
    "personBoundingBoxGroundPoints": [
      {
        "x": -22.944068908691406,
        "y": 31.487680435180664
      }
    ]
  }
}

请参阅空间分析操作输出详细了解 source_info。

ZonePlacementInfo 字段名称 类型 说明
optimalZonePolygon object 相机图像中的多边形，可在其中放置操作线或区域以获得最佳结果。
每个值对表示多边形顶点的 x、y。 多边形表示跟踪或统计其中人数的区域，多边形点基于标准化坐标 (0-1)，其中左上角为 (0.0, 0.0)，右下角为 (1.0, 1.0)。
fairZonePolygon object 相机图像中的多边形，可在其中放置操作线或区域，以获得良好但可能并非最佳的结果。
请参阅上面的 optimalZonePolygon 以深入了解其内容。
uniformlySpacedPersonBoundingBoxes list 相机图像中在真实空间中均匀分布的人员的边框列表。 值基于规范化坐标 (0-1)。
personBoundingBoxGroundPoints list 地板平面上相对于相机的坐标列表。 每个坐标对应于 uniformlySpacedPersonBoundingBoxes 中具有相同索引的边框的右下角。
请参阅 cognitiveservices.vision.spatialanalysis-persondistance AI 见解的 JSON 格式部分下的 centerGroundPointX/centerGroundPointY 字段，以详细了解如何计算地平面上的坐标。

视频帧上可视化的区域放置信息输出示例：Zone placement info visualization

区域放置信息提供配置建议，但为了获得最佳结果，仍必须遵循相机配置中的准则。

跟踪器节点参数设置

可以通过跟踪器节点参数设置来配置速度计算。

{
"enable_speed": true,
"remove_stationary_objects": true,
"stationary_objects_dist_threshold_in_pixels": 5,
"stationary_objects_buffer_length_in_seconds": 3600,
"stationary_objects_filter_ratio": 0.2
}
名称 Type 描述
enable_speed bool 指示是否要计算检测到的人物的速度。 enable_speed 默认设置为 True。 强烈建议同时启用速度和方向，以获得最佳估计值。
remove_stationary_objects bool 指示是否要删除静止对象。 默认情况下，remove_stationary_objects 设置为 True。
stationary_objects_dist_threshold_in_pixels int 用于决定是否可以将两个检测框视为相同检测的邻近距离阈值。 默认情况下，stationary_objects_dist_threshold_in_pixels 设置为 5。
stationary_objects_buffer_length_in_seconds int 系统必须回顾以确定目标是否为静止目标的最小时间长度（以秒为单位）。 默认情况下，stationary_objects_buffer_length_in_seconds 设置为 3600。
stationary_objects_filter_ratio FLOAT 如果在同一位置重复检测一个目标（在 stationary_objects_dist_threshold_in_pixels 中定义）超过 stationary_objects_buffer_length_in_seconds 时间间隔的 stationary_objects_filter_ratio（0.2 表示 20%），则将此目标视为静止目标。 默认情况下，stationary_objects_filter_ratio 设置为 0.2。

空间分析操作配置和输出

personcount 的区域配置

下面是一个配置区域的 SPACEANALYTICS_CONFIG 参数的 JSON 输入示例。 你可以为此操作配置多个区域。

{
  "zones": [
    {
      "name": "lobbycamera",
      "polygon": [[0.3,0.3], [0.3,0.9], [0.6,0.9], [0.6,0.3], [0.3,0.3]],
      "events": [
        {
          "type": "count",
          "config": {
            "trigger": "event",
            "focus": "footprint"
          }
        }
      ]
    }
  ]
}
名称 Type 说明
zones list 区域列表。
name string 此区域的友好名称。
polygon list 每个值对表示多边形顶点的 x、y。 多边形表示跟踪或统计其中人数的区域。 多边形点基于标准化坐标 (0-1)，其中左上角为 (0.0，0.0)，右下角为 (1.0，1.0)。
threshold FLOAT 当人员在区域内的像素数大于此像素数时，将发出事件。 这是一个可选字段，其值以比率 (0-1) 表示。 例如，值 0.0253 表示图像宽度为 512 的视频上的 13 个像素 (0.0253 X 512 = ~13)。
type string 对于 cognitiveservices.vision.spatialanalysis-personcount，此值应为 count。
trigger string 发送事件的触发器的类型。 在计数发生更改时，支持的值为 event，表示发送事件；或者为 interval，表示定期发送事件，而不考虑计数是否发生更改。
output_frequency int 发出事件的比率。 当 output_frequency = X 时，表示每 X 个事件发出一次，例如 output_frequency = 2，表示每隔一个事件输出一次。 output_frequency 适用于 event 和 interval。
focus string 人员边界框内的点位置用于计算事件数。 焦点的值可以是 footprint（人员足迹）、bottom_center（人员边界框的底部中心）、center（人员边界框的中心）。

personcrossingline 的行配置

下面是配置行的 SPACEANALYTICS_CONFIG 参数的 JSON 输入示例。 你可以为此操作配置多条交叉线。

{
   "lines": [
       {
           "name": "doorcamera",
           "line": {
               "start": {
                   "x": 0,
                   "y": 0.5
               },
               "end": {
                   "x": 1,
                   "y": 0.5
               }
           },
           "events": [
               {
                   "type": "linecrossing",
                   "config": {
                       "trigger": "event",
                       "focus": "footprint"
                   }
               }
           ]
       }
   ]
}
名称 Type 说明
lines list 线列表。
name string 此线的友好名称。
line list 线的定义。 这是一条方向线，让你可了解“进入”与“离开”。
start 值对 线条起点的 x、y 坐标。 浮点值表示顶点相对于左上角的位置。 要计算 x、y 的绝对值，可以用这些值乘以帧大小。
end 值对 线条终结点的 x、y 坐标。 浮点值表示顶点相对于左上角的位置。 要计算 x、y 的绝对值，可以用这些值乘以帧大小。
threshold FLOAT 当人员在区域内的像素数大于此像素数时，将发出事件。 这是一个可选字段，其值以比率 (0-1) 表示。 例如，值 0.0253 表示图像宽度为 512 的视频上的 13 个像素 (0.0253 X 512 = ~13)。
type string 对于 cognitiveservices.vision.spatialanalysis-personcrossingline，此值应为 linecrossing。
trigger string 发送事件的触发器的类型。
支持的值：“事件”：当有人越线时触发。
focus string 人员边界框内的点位置用于计算事件数。 焦点的值可以是 footprint（人员足迹）、bottom_center（人员边界框的底部中心）、center（人员边界框的中心）。 默认值为 footprint。

personcrossingpolygon 的区域配置

下面是一个配置区域的 SPACEANALYTICS_CONFIG 参数的 JSON 输入示例。 你可以为此操作配置多个区域。

{
"zones":[
   {
       "name": "queuecamera",
       "polygon": [[0.3,0.3], [0.3,0.9], [0.6,0.9], [0.6,0.3], [0.3,0.3]],
       "events":[{
           "type": "zonecrossing",
           "config":{
               "trigger": "event",
               "focus": "footprint"
               }
           }]
   },
   {
       "name": "queuecamera1",
       "polygon": [[0.3,0.3], [0.3,0.9], [0.6,0.9], [0.6,0.3], [0.3,0.3]],
       "events":[{
           "type": "zonedwelltime",
           "config":{
               "trigger": "event",
               "focus": "footprint"
               }
           }]
   }]
}
名称 Type 说明
zones list 区域列表。
name string 此区域的友好名称。
polygon list 每个值对表示多边形顶点的 x、y。 多边形表示跟踪或统计其中人数的区域。 浮点值表示顶点相对于左上角的位置。 要计算 x、y 的绝对值，可以用这些值乘以帧大小。
target_side int 指定由 polygon 定义的区域的一侧，以测量人物在该区域中面向该侧的时长。 “dwellTimeForTargetSide”将输出该估计的时间。 每一侧都是表示区域的多边形两个顶点之间的编号边界。 例如，多边形前两个顶点之间的边表示第一侧，“side”=1。 target_side 的值介于 [0,N-1] 之间，其中 N 是 polygon 的边数。 这是一个可选字段。
threshold FLOAT 当人员在区域内的像素数大于此像素数时，将发出事件。 这是一个可选字段，其值以比率 (0-1) 表示。 例如，值 0.074 表示图像宽度为 512 的视频上的 38 个像素 (0.074 X 512 = ~38)。
type string 对于 cognitiveservices.vision.spatialanalysis-personcrossingpolygon，此值应为 zonecrossing 或 zonedwelltime。
trigger string 发送事件的触发器的类型
支持的值：“事件”：有人进入或离开区域时触发。
focus string 人员边界框内的点位置用于计算事件数。 焦点的值可以是 footprint（人员足迹）、bottom_center（人员边界框的底部中心）、center（人员边界框的中心）。 默认值为 footprint。

persondistance 的区域设置

下面是为 cognitiveservices.vision.spatialanalysis-persondistance 配置区域的 SPACEANALYTICS_CONFIG 参数的 JSON 输入示例。 你可以为此操作配置多个区域。

{
"zones":[{
   "name": "lobbycamera",
   "polygon": [[0.3,0.3], [0.3,0.9], [0.6,0.9], [0.6,0.3], [0.3,0.3]],
   "events":[{
       "type": "persondistance",
       "config":{
           "trigger": "event",
           "output_frequency":1,
           "minimum_distance_threshold":6.0,
           "maximum_distance_threshold":35.0,
           "aggregation_method": "average",
           "focus": "footprint"
          }
          }]
   }]
}
名称 Type 说明
zones list 区域列表。
name string 此区域的友好名称。
polygon list 每个值对表示多边形顶点的 x、y。 多边形表示统计其中人数的区域，并度量人员之间的距离。 浮点值表示顶点相对于左上角的位置。 要计算 x、y 的绝对值，可以用这些值乘以帧大小。
threshold FLOAT 当人员在区域内的像素数大于此像素数时，将发出事件。 这是一个可选字段，其值以比率 (0-1) 表示。 例如，值 0.0253 表示图像宽度为 512 的视频上的 13 个像素 (0.0253 X 512 = ~13)。
type string 对于 cognitiveservices.vision.spatialanalysis-persondistance，此值应为 persondistance。
trigger string 发送事件的触发器的类型。 在计数发生更改时，支持的值为 event，表示发送事件；或者为 interval，表示定期发送事件，而不考虑计数是否发生更改。
output_frequency int 发出事件的比率。 当 output_frequency = X 时，表示每 X 个事件发出一次，例如 output_frequency = 2，表示每隔一个事件输出一次。 output_frequency 适用于 event 和 interval。
minimum_distance_threshold FLOAT 以英尺为单位的距离，当人员之间小于该间距时，将触发“TooClose”事件。
maximum_distance_threshold FLOAT 以英尺为单位的距离，当人员之间大于该间距时，将触发“TooFar”事件。
aggregation_method string 用于聚合 persondistance 结果的方法。 aggregation_method 适用于 mode 和 average。
focus string 人员边界框内的点位置用于计算事件数。 焦点的值可以是 footprint（人员足迹）、bottom_center（人员边界框的底部中心）、center（人员边界框的中心）。

spatialanalysis 的配置

下面是为 cognitiveservices.vision.spatialanalysis 配置线和区域的 SPACEANALYTICS_CONFIG 参数的 JSON 输入示例。 可为此操作配置多个线/区域，每个线/区域可以有不同的事件。

{
  "lines": [
    {
      "name": "doorcamera",
      "line": {
        "start": {
          "x": 0,
          "y": 0.5
        },
        "end": {
          "x": 1,
          "y": 0.5
        }
      },
      "events": [
        {
          "type": "linecrossing",
          "config": {
            "trigger": "event",
            "focus": "footprint"
          }
        }
      ]
    }
  ],
  "zones": [
    {
      "name": "lobbycamera",
      "polygon": [[0.3, 0.3],[0.3, 0.9],[0.6, 0.9],[0.6, 0.3],[0.3, 0.3]],
      "events": [
        {
          "type": "persondistance",
          "config": {
            "trigger": "event",
            "output_frequency": 1,
            "minimum_distance_threshold": 6.0,
            "maximum_distance_threshold": 35.0,
            "focus": "footprint"
          }
        },
        {
          "type": "count",
          "config": {
            "trigger": "event",
            "output_frequency": 1,
            "focus": "footprint"
          }
        },
        {
          "type": "zonecrossing",
          "config": {
            "focus": "footprint"
          }
        },
        {
          "type": "zonedwelltime",
          "config": {
            "focus": "footprint"
          }
        }
      ]
    }
  ]
}

相机配置

请参阅相机定位指导原则，详细了解如何配置区域和线。

空间分析操作输出

每个操作的事件都将以 JSON 格式发送到 Azure IoT 中心。

personcount AI Insights 的 JSON 格式

此操作输出事件的 JSON 示例。

{
    "events": [
        {
            "id": "b013c2059577418caa826844223bb50b",
            "type": "personCountEvent",
            "detectionIds": [
                "bc796b0fc2534bc59f13138af3dd7027",
                "60add228e5274158897c135905b5a019"
            ],
            "properties": {
                "personCount": 2
            },
            "zone": "lobbycamera",
            "trigger": "event"
        }
    ],
    "sourceInfo": {
        "id": "camera_id",
        "timestamp": "2020-08-24T06:06:57.224Z",
        "width": 608,
        "height": 342,
        "frameId": "1400",
        "cameraCalibrationInfo": {
            "status": "Calibrated",
            "cameraHeight": 10.306597709655762,
            "focalLength": 385.3199462890625,
            "tiltupAngle": 1.0969393253326416
        },
        "imagePath": ""
    },
    "detections": [
        {
            "type": "person",
            "id": "bc796b0fc2534bc59f13138af3dd7027",
            "region": {
                "type": "RECTANGLE",
                "points": [
                    {
                        "x": 0.612683747944079,
                        "y": 0.25340268765276636
                    },
                    {
                        "x": 0.7185954043739721,
                        "y": 0.6425260577285499
                    }
                ]
            },
            "confidence": 0.9559211134910583,
            "metadata": {
                "centerGroundPointX": "2.6310102939605713",
                "centerGroundPointY": "0.0",
		"groundOrientationAngle": "1.3",
                "footprintX": "0.7306610584259033",
                "footprintY": "0.8814966493381893"
            },
           "attributes": [
                {
                    "label": "face_mask",
                    "confidence": 0.99,
                    "task": ""
                }
            ]
        },
        {
            "type": "person",
            "id": "60add228e5274158897c135905b5a019",
            "region": {
                "type": "RECTANGLE",
                "points": [
                    {
                        "x": 0.22326200886776573,
                        "y": 0.17830915618361087
                    },
                    {
                        "x": 0.34922296122500773,
                        "y": 0.6297955429344847
                    }
                ]
            },
            "confidence": 0.9389744400978088,
             "metadata": {
                "centerGroundPointX": "2.6310102939605713",
                "centerGroundPointY": "18.635927200317383",
		"groundOrientationAngle": "1.3",
                "footprintX": "0.7306610584259033",
                "footprintY": "0.8814966493381893"
            },
           "attributes": [
                {
                    "label": "face_mask",
                    "confidence": 0.99,
                    "task": ""
                }
            ]
       }
    ],
    "schemaVersion": "2.0"
}
事件字段名称 类型 说明
id string 事件 ID
type string 事件类型
detectionsId array 触发了此事件的人员检测的唯一标识符数组，大小为 1
properties collection 值的集合
trackinId string 检测到的人员的唯一标识符
zone string 多边形的“名称”字段，多边形代表已越过区域
trigger string 触发器类型为“事件”或“间隔”，具体取决于 SPACEANALYTICS_CONFIG 中 trigger 的值
检测字段名称 类型 说明
id string 检测 ID
type string 检测类型
region collection 值的集合
type string 区域类型
points collection 当区域类型为矩形时，表示左上角和右下角的点
confidence FLOAT 算法置信度
attributes array 属性的数组。 每个属性包括标签、任务和置信度
label string 属性值（例如，{label: face_mask} 指示检测到的人佩戴着口罩）
confidence (attribute) FLOAT 0-1 范围内的属性置信度值（例如，{confidence: 0.9, label: face_nomask} 表示检测到的人员未佩戴口罩）
task string 属性分类任务/类
SourceInfo 字段名称 类型 说明
id string 相机 ID
timestamp date 发出 JSON 有效负载时的 UTC 日期
width int 视频帧宽度
height int 视频帧高度
frameId int 帧标识符
cameraCallibrationInfo collection 值的集合
status string 校准的状态，格式为 state[;progress description]。 状态可以为 Calibrating、Recalibrating（如果已启用重新校准）或 Calibrated。 进度说明部分仅在处于 Calibrating 和 Recalibrating 状态时有效，后者用于显示当前校准过程的进度。
cameraHeight FLOAT 相机高于地面的高度，以英尺为单位。 该信息根据自动校准推断而来。
focalLength FLOAT 照相机的焦距，以像素为单位。 该信息根据自动校准推断而来。
tiltUpAngle FLOAT 相机自垂直状态的倾斜角度。 该信息根据自动校准推断而来。

personcrossingline AI Insights 的 JSON 格式

此操作输出检测的 JSON 示例。

{
    "events": [
        {
            "id": "3733eb36935e4d73800a9cf36185d5a2",
            "type": "personLineEvent",
            "detectionIds": [
                "90d55bfc64c54bfd98226697ad8445ca"
            ],
            "properties": {
                "trackingId": "90d55bfc64c54bfd98226697ad8445ca",
                "status": "CrossLeft"
            },
            "zone": "doorcamera"
        }
    ],
    "sourceInfo": {
        "id": "camera_id",
        "timestamp": "2020-08-24T06:06:53.261Z",
        "width": 608,
        "height": 342,
        "frameId": "1340",
        "imagePath": ""
    },
    "detections": [
        {
            "type": "person",
            "id": "90d55bfc64c54bfd98226697ad8445ca",
            "region": {
                "type": "RECTANGLE",
                "points": [
                    {
                        "x": 0.491627341822574,
                        "y": 0.2385801348769874
                    },
                    {
                        "x": 0.588894994635331,
                        "y": 0.6395559924387793
                    }
                ]
            },
            "confidence": 0.9005028605461121,
            "metadata": {
                "centerGroundPointX": "2.6310102939605713",
                "centerGroundPointY": "18.635927200317383",
		"groundOrientationAngle": "1.3",
                "trackingId": "90d55bfc64c54bfd98226697ad8445ca",
                "speed": "1.2",
                "footprintX": "0.7306610584259033",
                "footprintY": "0.8814966493381893"
            },
           "attributes": [
                {
                    "label": "face_mask",
                    "confidence": 0.99,
                    "task": ""
                }
            ]
        }
    ],
    "schemaVersion": "2.0"
}
事件字段名称 类型 说明
id string 事件 ID
type string 事件类型
detectionsId array 触发了此事件的人员检测的唯一标识符数组，大小为 1
properties collection 值的集合
trackinId string 检测到的人员的唯一标识符
status string 越线方向：“CrossLeft”或“CrossRight”。 方向是基于站在线的“起点”朝向“终点”的想象得出的。 CrossRight 表示从左侧跨越到右侧。 CrossLeft 表示从右侧跨越到左侧。
orientationDirection 字符串 检测到的人物在跨过线后的方向。 此值可以是 "Left"、"Right" 或 "Straight"。 如果 CAMERACALIBRATOR_NODE_CONFIG 在中将 enable_orientation 设置为 True，则此值为输出
zone 字符串 跨越线的“名称”字段
检测字段名称 类型 说明
id string 检测 ID
type string 检测类型
region collection 值的集合
type string 区域类型
points collection 当区域类型为矩形时，表示左上角和右下角的点
groundOrientationAngle FLOAT 人物的方向在推理的地面上的顺时针弧度角度
mappedImageOrientation FLOAT 人物的方向在 2D 图像空间上的顺时针弧度角度
speed FLOAT 检测到的人物的估计速度。 单位为 foot per second (ft/s)
confidence FLOAT 算法置信度
attributes array 属性的数组。 每个属性包括标签、任务和置信度
label string 属性值（例如，{label: face_mask} 指示检测到的人佩戴着口罩）
confidence (attribute) FLOAT 0-1 范围内的属性置信度值（例如，{confidence: 0.9, label: face_nomask} 表示检测到的人员未佩戴口罩）
task string 属性分类任务/类
SourceInfo 字段名称 类型 说明
id string 相机 ID
timestamp date 发出 JSON 有效负载时的 UTC 日期
width int 视频帧宽度
height int 视频帧高度
frameId int 帧标识符

重要

AI 模型可检测人员，不考虑人员是面向还是远离照相机。 AI 模型不会运行面部识别，也不会发出任何生物识别信息。

personcrossingpolygon AI Insights 的 JSON 格式

此操作使用 zonecrossing 类型 SPACEANALYTICS_CONFIG 输出检测的 JSON 示例。

{
    "events": [
        {
            "id": "f095d6fe8cfb4ffaa8c934882fb257a5",
            "type": "personZoneEnterExitEvent",
            "detectionIds": [
                "afcc2e2a32a6480288e24381f9c5d00e"
            ],
            "properties": {
                "trackingId": "afcc2e2a32a6480288e24381f9c5d00e",
                "status": "Enter",
                "side": "1"
            },
            "zone": "queuecamera"
        }
    ],
    "sourceInfo": {
        "id": "camera_id",
        "timestamp": "2020-08-24T06:15:09.680Z",
        "width": 608,
        "height": 342,
        "frameId": "428",
        "imagePath": ""
    },
    "detections": [
        {
            "type": "person",
            "id": "afcc2e2a32a6480288e24381f9c5d00e",
            "region": {
                "type": "RECTANGLE",
                "points": [
                    {
                        "x": 0.8135572734631991,
                        "y": 0.6653949670624315
                    },
                    {
                        "x": 0.9937645761590255,
                        "y": 0.9925406829655519
                    }
                ]
            },
            "confidence": 0.6267998814582825,
            "metadata": {
                "centerGroundPointX": "2.6310102939605713",
                "centerGroundPointY": "18.635927200317383",
		"groundOrientationAngle": "1.3",
                "trackingId": "afcc2e2a32a6480288e24381f9c5d00e",
                "speed": "1.2",
                "footprintX": "0.7306610584259033",
                "footprintY": "0.8814966493381893"
            },
           "attributes": [
		{
		    "label": "face_mask",
		    "confidence": 0.99,
		    "task": ""
		}
            ]
	}
    ],
    "schemaVersion": "2.0"
}

此操作使用 zonedwelltime 类型 SPACEANALYTICS_CONFIG 输出检测的 JSON 示例。

{
    "events": [
        {
            "id": "f095d6fe8cfb4ffaa8c934882fb257a5",
            "type": "personZoneDwellTimeEvent",
            "detectionIds": [
                "afcc2e2a32a6480288e24381f9c5d00e"
            ],
            "properties": {
                "trackingId": "afcc2e2a32a6480288e24381f9c5d00e",
                "status": "Exit",
                "side": "1",
	        "dwellTime": 7132.0,
	        "dwellFrames": 20            
            },
            "zone": "queuecamera"
        }
    ],
    "sourceInfo": {
        "id": "camera_id",
        "timestamp": "2020-08-24T06:15:09.680Z",
        "width": 608,
        "height": 342,
        "frameId": "428",
        "imagePath": ""
    },
    "detections": [
        {
            "type": "person",
            "id": "afcc2e2a32a6480288e24381f9c5d00e",
            "region": {
                "type": "RECTANGLE",
                "points": [
                    {
                        "x": 0.8135572734631991,
                        "y": 0.6653949670624315
                    },
                    {
                        "x": 0.9937645761590255,
                        "y": 0.9925406829655519
                    }
                ]
            },
            "confidence": 0.6267998814582825,
	    "metadata": {
                "centerGroundPointX": "2.6310102939605713",
                "centerGroundPointY": "18.635927200317383",
		"groundOrientationAngle": "1.2",
		"mappedImageOrientation": "0.3",
		"speed": "1.2",
		 "trackingId": "afcc2e2a32a6480288e24381f9c5d00e",
                "footprintX": "0.7306610584259033",
                "footprintY": "0.8814966493381893"
            }
        }
    ],
    "schemaVersion": "2.0"
}
事件字段名称 类型 说明
id string 事件 ID
type string 事件类型。 该值可以是 personZoneDwellTimeEvent 或 personZoneEnterExitEvent
detectionsId array 触发了此事件的人员检测的唯一标识符数组，大小为 1
properties collection 值的集合
trackinId string 检测到的人员的唯一标识符
status string 越过多边形的方向：“进入”或“离开”
side int 人员所跨过的多边形的边号。 每一侧都是表示区域的多边形两个顶点之间的编号边界。 多边形前两个顶点之间的边表示第一侧。 当事件由于遮挡而不与特定一侧关联时，“Side”为空。 例如，当某人消失，但未看到他（她）跨越区域的一侧时，则表示发生了离开事件；当某个出现在区域中，但未看到他（她）跨越一侧时，则表示发生了进入事件。
dwellTime FLOAT 表示人员在区域中停留时间的毫秒数。 当事件类型为 personZoneDwellTimeEvent 时，提供此字段
dwellFrames int 人物在该区域中停留的帧数。 当事件类型为 personZoneDwellTimeEvent 时，提供此字段
dwellTimeForTargetSide FLOAT 表示人物在该区域中停留且面向 target_side 的时间的毫秒数。 当 CAMERACALIBRATOR_NODE_CONFIG 中的 True 为 enable_orientation，并且在 SPACEANALYTICS_CONFIG 中设置了 target_side 的值时，将提供此字段
avgSpeed FLOAT 人物在该区域中的平均速度。 单位为 foot per second (ft/s)
minSpeed FLOAT 人物在该区域中的最低速度。 单位为 foot per second (ft/s)
zone 字符串 多边形的“名称”字段，多边形代表已越过区域
检测字段名称 类型 说明
id string 检测 ID
type string 检测类型
region collection 值的集合
type string 区域类型
points collection 当区域类型为矩形时，表示左上角和右下角的点
groundOrientationAngle FLOAT 人物的方向在推理的地面上的顺时针弧度角度
mappedImageOrientation FLOAT 人物的方向在 2D 图像空间上的顺时针弧度角度
speed FLOAT 检测到的人物的估计速度。 单位为 foot per second (ft/s)
confidence FLOAT 算法置信度
attributes array 属性的数组。 每个属性包括标签、任务和置信度
label string 属性值（例如，{label: face_mask} 指示检测到的人佩戴着口罩）
confidence (attribute) FLOAT 0-1 范围内的属性置信度值（例如，{confidence: 0.9, label: face_nomask} 表示检测到的人员未佩戴口罩）
task string 属性分类任务/类

persondistance AI Insights 的 JSON 格式

此操作输出检测的 JSON 示例。

{
    "events": [
        {
            "id": "9c15619926ef417aa93c1faf00717d36",
            "type": "personDistanceEvent",
            "detectionIds": [
                "9037c65fa3b74070869ee5110fcd23ca",
                "7ad7f43fd1a64971ae1a30dbeeffc38a"
            ],
            "properties": {
                "personCount": 5,
                "averageDistance": 20.807043981552123,
                "minimumDistanceThreshold": 6.0,
                "maximumDistanceThreshold": "Infinity",
                "eventName": "TooClose",
                "distanceViolationPersonCount": 2
            },
            "zone": "lobbycamera",
            "trigger": "event"
        }
    ],
    "sourceInfo": {
        "id": "camera_id",
        "timestamp": "2020-08-24T06:17:25.309Z",
        "width": 608,
        "height": 342,
        "frameId": "1199",
        "cameraCalibrationInfo": {
            "status": "Calibrated",
            "cameraHeight": 12.9940824508667,
            "focalLength": 401.2800598144531,
            "tiltupAngle": 1.057669997215271
        },
        "imagePath": ""
    },
    "detections": [
        {
            "type": "person",
            "id": "9037c65fa3b74070869ee5110fcd23ca",
            "region": {
                "type": "RECTANGLE",
                "points": [
                    {
                        "x": 0.39988183975219727,
                        "y": 0.2719132942065858
                    },
                    {
                        "x": 0.5051516984638414,
                        "y": 0.6488402517218339
                    }
                ]
            },
            "confidence": 0.948630690574646,
	    "metadata": {
                "centerGroundPointX": "-1.4638760089874268",
                "centerGroundPointY": "18.29732322692871",
		"groundOrientationAngle": "1.3",
                "footprintX": "0.7306610584259033",
                "footprintY": "0.8814966493381893"
            }
        },
        {
            "type": "person",
            "id": "7ad7f43fd1a64971ae1a30dbeeffc38a",
            "region": {
                "type": "RECTANGLE",
                "points": [
                    {
                        "x": 0.5200299714740954,
                        "y": 0.2875368218672903
                    },
                    {
                        "x": 0.6457497446160567,
                        "y": 0.6183311060855263
                    }
                ]
            },
            "confidence": 0.8235412240028381,
            "metadata": {
                "centerGroundPointX": "2.6310102939605713",
                "centerGroundPointY": "18.635927200317383",
		"groundOrientationAngle": "1.3",
                "footprintX": "0.7306610584259033",
                "footprintY": "0.8814966493381893"
            }
        }
    ],
    "schemaVersion": "2.0"
}
事件字段名称 类型 说明
id string 事件 ID
type string 事件类型
detectionsId array 触发了此事件的人员检测的唯一标识符数组，大小为 1
properties collection 值的集合
personCount int 发出事件时检测到的人员数
averageDistance FLOAT 检测到的所有人员之间的平均距离，以英尺为单位
minimumDistanceThreshold FLOAT 以英尺为单位的距离，当人员之间小于该间距时，将触发“TooClose”事件。
maximumDistanceThreshold FLOAT 以英尺为单位的距离，当人员之间大于该间距时，将触发“TooFar”事件。
eventName string 违反 minimumDistanceThreshold 时事件名称为 TooClose；违反 maximumDistanceThreshold 时事件名称为 TooFar；自动校准尚未完成时事件名称为 unknown
distanceViolationPersonCount int 违反 minimumDistanceThreshold 或 maximumDistanceThreshold 时检测到的人员数
zone string 多边形的“名称”字段，多边形表示监控人员之间距离的区域
trigger string 触发器类型为“事件”或“间隔”，具体取决于 SPACEANALYTICS_CONFIG 中 trigger 的值
检测字段名称 类型 说明
id string 检测 ID
type string 检测类型
region collection 值的集合
type string 区域类型
points collection 当区域类型为矩形时，表示左上角和右下角的点
confidence FLOAT 算法置信度
centerGroundPointX/centerGroundPointY 2 个 float 值 x、y 值，包含推断的人员在地面上位置（以英尺为单位）的坐标。 x 和 y 是地平面上的坐标，假设地面为水平。 照相机的位置为原点。

在 centerGroundPoint 中，x 是从相机到与相机图像平面垂直的人员之间的距离的组成部分。 y 是平行于相机图像平面的距离的组成部分。

Example center ground point

在本示例中，centerGroundPoint 状态为 {centerGroundPointX: 4, centerGroundPointY: 5}。 这表示，有一个人在距离相机 4 英尺、距离右侧 5 英尺的位置从上向下查看房间。

SourceInfo 字段名称 类型 说明
id string 相机 ID
timestamp date 发出 JSON 有效负载时的 UTC 日期
width int 视频帧宽度
height int 视频帧高度
frameId int 帧标识符
cameraCallibrationInfo collection 值的集合
status string 校准的状态，格式为 state[;progress description]。 状态可以为 Calibrating、Recalibrating（如果已启用重新校准）或 Calibrated。 进度说明部分仅在处于 Calibrating 和 Recalibrating 状态时有效，后者用于显示当前校准过程的进度。
cameraHeight FLOAT 相机高于地面的高度，以英尺为单位。 该信息根据自动校准推断而来。
focalLength FLOAT 照相机的焦距，以像素为单位。 该信息根据自动校准推断而来。
tiltUpAngle FLOAT 相机自垂直状态的倾斜角度。 该信息根据自动校准推断而来。

spatialanalysis AI Insights 的 JSON 格式

此操作的输出取决于配置的 events，例如，如果为此操作配置了 zonecrossing 事件，则输出将与 cognitiveservices.vision.spatialanalysis-personcrossingpolygon 相同。

使用容器生成的输出

你可能想要将空间分析检测或事件集成到应用程序中。 下面这些想法值得考虑：

  • 使用适用于所选编程语言的 Azure 事件中心 SDK 连接到 Azure IoT 中心终结点，并接收事件。 有关详细信息，请参阅从内置终结点读取设备到云的消息。
  • 在 Azure IoT 中心设置“消息路由”，以将事件发送到其他终结点，或者将事件保存到数据存储。 有关详细信息，请参阅 IoT 中心消息路由。
  • 设置 Azure 流分析作业，从而在事件到达时实时处理事件，并创建可视化效果。

大规模部署空间分析操作（多个相机）

为了获得最佳性能和充分利用 GPU，可以使用图形实例在多个相机上部署任何空间分析操作。 下面是在 15 个相机上运行 cognitiveservices.vision.spatialanalysis-personcrossingline 操作的示例配置。

  "properties.desired": {
      "globalSettings": {
          "PlatformTelemetryEnabled": false,
          "CustomerTelemetryEnabled": true
      },
      "graphs": {
        "personzonelinecrossing": {
        "operationId": "cognitiveservices.vision.spatialanalysis-personcrossingline",
        "version": 1,
        "enabled": true,
        "sharedNodes": {
            "shared_detector0": {
                "node": "PersonCrossingLineGraph.detector",
                "parameters": {
                    "DETECTOR_NODE_CONFIG": "{ \"gpu_index\": 0, \"batch_size\": 7, \"do_calibration\": true}",
                }
            },
            "shared_calibrator0": {
                "node": "PersonCrossingLineGraph/cameracalibrator",
                "parameters": {
                    "CAMERACALIBRATOR_NODE_CONFIG": "{ \"gpu_index\": 0, \"do_calibration\": true, \"enable_zone_placement\": true}",
                    "CALIBRATION_CONFIG": "{\"enable_recalibration\": true, \"quality_check_frequency_seconds\": 86400}",
                }
        },
        "parameters": {
            "VIDEO_DECODE_GPU_INDEX": 0,
            "VIDEO_IS_LIVE": true
        },
        "instances": {
            "1": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 1>",
                    "VIDEO_SOURCE_ID": "camera 1",
                    "SPACEANALYTICS_CONFIG": "{\"zones\":[{\"name\":\"queue\",\"polygon\":[[0,0],[1,0],[0,1],[1,1],[0,0]]}]}"
                }
            },
            "2": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 2>",
                    "VIDEO_SOURCE_ID": "camera 2",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            },
            "3": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 3>",
                    "VIDEO_SOURCE_ID": "camera 3",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            },
            "4": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 4>",
                    "VIDEO_SOURCE_ID": "camera 4",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            },
            "5": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 5>",
                    "VIDEO_SOURCE_ID": "camera 5",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            },
            "6": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 6>",
                    "VIDEO_SOURCE_ID": "camera 6",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            },
            "7": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 7>",
                    "VIDEO_SOURCE_ID": "camera 7",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            },
            "8": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 8>",
                    "VIDEO_SOURCE_ID": "camera 8",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            },
            "9": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 9>",
                    "VIDEO_SOURCE_ID": "camera 9",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            },
            "10": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 10>",
                    "VIDEO_SOURCE_ID": "camera 10",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            },
            "11": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 11>",
                    "VIDEO_SOURCE_ID": "camera 11",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            },
            "12": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 12>",
                    "VIDEO_SOURCE_ID": "camera 12",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            },
            "13": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 13>",
                    "VIDEO_SOURCE_ID": "camera 13",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            },
            "14": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 14>",
                    "VIDEO_SOURCE_ID": "camera 14",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            },
            "15": {
                "sharedNodeMap": {
                    "PersonCrossingLineGraph/detector": "shared_detector0",
		    "PersonCrossingLineGraph/cameracalibrator": "shared_calibrator0",
                },
                "parameters": {
                    "VIDEO_URL": "<Replace RTSP URL for camera 15>",
                    "VIDEO_SOURCE_ID": "camera 15",
                    "SPACEANALYTICS_CONFIG": "<Replace the zone config value, same format as above>"
                }
            }
          }
        },
      }
  }
名称 Type 说明
batch_size int 如果所有相机都具有相同的分辨率，则将 batch_size 设置为该操作中要使用的相机数，或者将 batch_size 设置为 1，或将其保留为默认值 (1)，这表示不支持批处理。

后续步骤