功能介绍 设备智能数据：设备安装相关算法后，在相应场景触发时，设备推送的算法结果消息。客户可根据算法结果实现自己的业务。 设备智能数据包含多种业务，每种业务的消息结构体都有差异，以下章节会对不同业务的消息结构体进行讲解。 设备智能数据消息体的message_type值为以下枚举值： target_data 智能业务中的目标及目标整体业务 third_data 第三方智能业务，目前是提供整个数据包，使用方需自行解析。订阅时需要和第三方智能告警数据区分开，一个是第三方TLV智能数据，一个是第三方智能告警 vehicle_data 智能业务中的机非人业务 head_shoulder_data 智能业务中的头肩业务 behavior_analysis_data 智能业务中的行为分析与人车物分离 micro_checkpoint_data 智能业务中的微卡口业务 备注：随着设备算法的升级可能会有出现文档中未描述的字段

消息结构体介绍 表1 message_type为vehicle_data时，data结构体如下： 字段名 类型 说明 device_id String 设备ID，正常情况下不为空，必传 channel_id String 通道ID，正常情况下不为空，必传 data_id String 数据ID：正常情况下不为空，必传。可用于查询智能图片数据，参考链接：智能图片下载 itgt_type Int 智能业务场景 枚举值： 6 机非人业务目标整体信息 7 机非人业务机动车信息 8 机非人业务非机动车信息 53 非机动车上目标检测 report_time String 上报时间，示例：2021-03-15T16:43:00+08:00 global_obj_id Int64 全局ID，设备传入的唯一标识 lane_id Int64 车道号 vehicle_direction Int 车辆运动方向 枚举值： 0 未知 1 向左 2 向右 3 向上 4 向下 plate_char String 车牌字符，当检测到机动车属性时传该值 plate_color Int 车牌颜色，当检测到机动车属性时传该值，见附录车牌颜色 vehicle_type Int 机非人类型，当检测到机非人属性时传该值，见附录机非人类型 vehicle_color Int 车辆颜色，当检测到机动车属性时传该值，见附录车辆颜色 car_pre_brand Int 品牌字符索引，当检测到机动车属性时传该值，见附录车款类型 car_sub_brand Int 子款符号索引，当检测到机动车属性时传该值 car_year_brand String 年款符号，当检测到机动车属性时传该值 rider_age_range Int 骑行人年龄范围 枚举值： 0 未知 1 少年 2 青年 3 老年 rider_gender Int 骑行人性别 枚举值： 0 未知 1 男性 2 女性 has_helmet Boolen 是否戴头盔 helmet_color Int 头盔颜色 motor_color Int 非机动车颜色 has_motor_sunshade Boolen 是否有遮阳伞 has_motor_carry Boolen 是否有携带物 has_license_plate Boolen 是否有车牌 rider_num Int 骑行人数 motor_type Int 非机动车类型 vehicle_url String 车辆特写图url target_all_pic_url String 目标整体抠图url panorama_url String 全景图片url vehicle_pos RectCor object 车辆检测框位置万分比 human_pos RectCor object 目标整体位置万分比 human_age Int 行人年龄 枚举值： 0 未知 1 少年 2 青年 3 老年 human_gender Int 行人性别 枚举值： 0 未知 1 男性 2 女性 human_upperstyle Int 上衣款式 0 未知 1 长袖 2 短袖 human_uppercolor Int 上衣颜色 human_lowstyle Int 下衣款式 human_lowercolor Int 下衣颜色 human_shape Int 体型 human_mouthmask Int 行人口罩 human_hair Int 行人头发 common Common object 通用数据定义 target Target object 目标：设备上传TLV时的设备的原始数据，该字段是设备上传的原始数据的解析，不同的业务场景传入的字段会不相同。 moto_type Int 非机动车类型 表2 RectCor 字段名 类型 说明 x_cor Int 上层业务检测框左上角坐标点x计算方式，x1 = x_cor *全景图像素宽度/ 10000 y_cor Int 上层业务检测框左上角坐标点y计算方式，y1 = y_cor *全景图像素高度/ 10000 width Int 上层业务检测框宽度 计算方式 widht1 = widht *全景图像素宽度/ 10000 height Int 上层业务检测框长度 计算方式 height1 = height *全景图像素高度/ 10000 表3 Common 字段名 类型 说明 channel_id Int64 通道ID channel_id_ex Int64 相机扩展通道ID pts Int64 时间戳 sdc_device_id String 主从机设备ID sdc_uuid String 摄像机视频源通道号 intelligence_type Int 智能类型 image_height Int 图片高度 image_width Int 图片宽度 meta_type_mask Int 元数据类型掩码 枚举值： 1 框数据 2 图数据 8 保活数据 16 告警数据 表4 Target 字段名 类型 说明 car_pre_brand String 品牌字符：中文字符，例如大众 car_pre_brand_index Int 品牌字符索引，当检测到机动车属性时传该值，见附录车款类型 car_sub_brand String 子款字符：中文字符，例如明锐 car_sub_brand_index Int 子款字符索引 car_year_brand String 年款字符：例如2011 cur_snap_index Int 当前抓拍序列号 global_object_id Int64 智能目标全局ID human_pic String 目标整体抠图：已转化为图片url human_pic_kps Int 目标整体抠图kps质量过滤标志位 human_pic_roi Rect object 目标整体抠图中的目标整体目标框：目标整体抠图中可能存在其它干扰，此坐标用于精确圈定目标整体范围 human_rect_position Rect object 目标整体位置 lane_id Int 车道号 panorama_pic String 全景图：已转化为图片url pic_snapshot_dst_offset Int64 夏令时偏移时间：单位秒/s pic_snapshot_time Int 抓拍时间 pic_snapshot_timems Int64 抓拍时间：单位毫秒/ms pic_snapshot_tzone Int64 抓拍时区：单位毫秒/ms 东区为+ 西区为-，支持夏令时 plate_char String 车牌字符，当检测到机动车属性时传该值 plate_color Int 车牌颜色，当检测到机动车属性时传该值，见附录车牌颜色 plate_pic String 车牌抠图：已转化为图片url plate_pos Rect object 车牌位置万分比 plate_pos_abs Rect object 车牌位置绝对坐标 plate_pos_com Rect object 车牌位置万分比 plate_type Int 车牌类型，参考附录车牌类型 target_type Int 智能业务场景 枚举值： 6 机非人业务目标整体信息 7 机非人业务机动车信息 8 机非人业务非机动车信息 53 非机动车上目标检测 trecord_type Int 告警类型，见附录告警类型 vehicle_color Int 车辆颜色，当检测到机动车属性时传该值，见附录车辆颜色 vehicle_direction Int 车辆运动方向 枚举值： 0 未知 1 向左 2 向右 3 向上 4 向下 vehicle_pic String 车辆图，已转化为图片url vehicle_pos Rect object 车身位置万分比 vehicle_pos_abs Rect object 车辆位置绝对坐标 vehicle_pos_com Rect object 车辆位置相对坐标万分比 vehicle_type Int 机非人类型，当检测到机非人属性时传该值，见附录机非人类型 vehicle_type_ext Int 机非人扩展类型，当检测到机非人属性时传该值，见附录机非人类型 ，例如机非人类型为轿车，扩展类型为两厢轿车 vhd_object_id Int64 机非人ID human_gender Int 行人性别 枚举值： 0 未知 1 男性 2 女性 human_umbrella Int 是否撑伞 枚举值： 0 未知 1 否 2 是 human_lower_color Int 下衣颜色 枚举值： 0 未知 1 黑 2 蓝 3 绿 4 白/灰 5 黄/橙/棕 6 红/粉/紫 human_direct Int 行进方向 human_carry Int 是否拎东西 枚举值： 0 未知 1 否 2 是 human_mouth_mask Int 是否戴口罩 枚举值： 0 未知 1 否 2 是 human_age Int 年龄人群 枚举值： 0 未知 1 少年 2 青年 3 老年 human_upper_texture Int 上衣纹理 枚举值： 0 未知 1 纯色 2 条纹 3 格子 human_view Int 朝向 枚举值： 0 未知 1 正面 2 背面 3 左倾 4 右倾 human_feature Feature Object 目标整体属性 human_luggage Int 是否有行李箱 human_backpack Int 是否有背包 human_lower_style Int 下衣款式 枚举值： 0 未知 1 长裤 2 短裤 3 裙子 human_upper_color Int 上衣颜色 human_hair Int 发型 枚举值： 0 未知 1 长 2 短 3 秃头 human_shape Int 体型 枚举值： 0 未知 1 标准 2 肥 3 瘦 human_speed Int 行进速度 human_upper_style Int 上衣款式 枚举值： 0 未知 1 长袖 2 短袖 human_hat Int 是否戴帽子 human_frontpack Int 是否有前面背包 human_satchel Int 是否有斜挎包 human_glass Int 是否戴眼镜 motor_color Int 非机动车颜色 motor_license_plate Int 是否有车牌 motor_motor_carry Int 是否有携带物品 motor_sunshade Int 是否有遮阳伞 motor_sunshade_color Int 遮阳伞颜色 motor_type Int 非机动车类型 riderman_age Int 骑行人年龄人群 riderman_feature RidermanFeature Object 骑行人属性 riderman_gender Int 骑行人性别 riderman_helmet Int 骑行人是否戴头盔 riderman_helmetcolor Int 骑行人头盔颜色 riderman_num Int 骑行人数量，具体人数 riderman_uppercolor Int 骑行人上衣颜色 riderman_upperstyle Int 骑行人上衣款式 vehicle_pos_abs Rect Object 车辆位置绝对坐标 face_id Int64 人脸号 face_pic_time Int 人脸抓拍时间 face_pic_tzone Int64 人脸抓拍时区：单位毫秒/ms 东区为+ 西区为-，支持夏令时 表5 Rect 字段名 类型 说明 x Int 上层业务检测框左上角坐标点x计算方式，x1 = x *全景图像素宽度/ 10000 y Int 上层业务检测框左上角坐标点y计算方式，y1 = y *全景图像素高度/ 10000 width Int 上层业务检测框宽度 计算方式 widht1 = widht *全景图像素宽度/ 10000 height Int 上层业务检测框长度 计算方式 height1 = height *全景图像素高度/ 10000 表6 Feature 字段名 类型 说明 age Int 年龄人群 backpack Int 是否有背包 carry Int 是否拎东西 front_pack Int 是否有前面背包 gender Int 行人性别 枚举值： 0 未知 1 男性 2 女性 glass Int 是否戴眼睛 hair Int 发型 hat Int 是否戴麦子 lower_color Int 上衣颜色 lower_style Int 上衣款式 luggage Int 是否有行李箱 mouth_mask Int 是否戴口罩 move_direct Int 行进方向 move_speed Int 行进速度 satchel Int 是否有斜挎包 shape Int 体型 umbrella Int 是否有雨伞 upper_color Int 下衣颜色 upper_style Int 下衣款式 upper_texture Int 上衣纹理 view Int 朝向 表7 RidermanFeature 字段名 类型 说明 age Int 年龄人群 gender Int 行人性别 枚举值： 0 未知 1 男性 2 女性 helmet Int 是否戴头盔 helmet_color Int 头盔颜色 upper_color Int 下衣颜色 upper_style Int 下衣款式 示例一、机非人业务目标整体信息 { "message_id": 1676253459558286045, "message_type": "vehicle_data", "data": { "device_id": "219123456CYP***", "channel_id": "0", "data_id": "167625345941400200060000rwnwv130", "report_time": "2023-02-13T09:57:37+08:00", "itgt_type": 6, "global_obj_id": 7198857782190185688, "lane_id": 1, "vehicle_type": 9, "target_all_pic_url": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625345941400200040000rwnwv130.jpg/static", "panorama_url": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625345941400200020000rwnwv130.jpg/static", "human_lowstyle": 1, "human_gender": 1, "human_uppercolor": 2, "human_hair": 2, "human_shape": 1, "human_age": 2, "human_mouthmask": 1, "human_lowercolor": 2, "human_upperstyle": 2, "human_pos": { "x_cor": 3218, "y_cor": 1601, "width": 1057, "height": 6046 }, "common": { "channel_id": 101, "channel_id_ex": 101, "meta_type_mask": 2, "pts": 167668079703, "sdc_device_id": "40619954-b309-46b1-7d1a-a3f443a58c87", "sdc_uuid": "224440c1-966e-57eb-fd7b-8ca03739be7e" }, "target": { "global_object_id": 7198857782190185688, "human_pic": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625345941400200040000rwnwv130.jpg/static", "human_pic_roi": { "x": 2916, "y": 0, "width": 4229, "height": 10000 }, "human_gender": 1, "human_umbrella": 1, "human_lower_color": 2, "human_direct": 2, "human_carry": 1, "human_mouth_mask": 1, "human_age": 2, "human_upper_texture": 1, "human_view": 1, "human_feature": { "age": 2, "backpack": 1, "carry": 1, "front_pack": 1, "gender": 1, "glass": 65536, "hair": 2, "hat": 65536, "lower_color": 2, "lower_style": 1, "luggage": 1, "mouth_mask": 1, "move_direct": 2, "move_speed": 0, "satchel": 1, "shape": 1, "umbrella": 1, "upper_color": 2, "upper_style": 2, "upper_texture": 1, "view": 131072 }, "human_luggage": 1, "human_backpack": 1, "human_lower_style": 1, "human_upper_color": 2, "human_hair": 2, "human_shape": 1, "human_speed": 2, "human_upper_style": 2, "human_hat": 1, "human_frontpack": 1, "human_satchel": 1, "human_glass": 1, "human_rect_position": { "x": 3218, "y": 1601, "width": 1057, "height": 6046 }, "lane_id": 1, "panorama_pic": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625345941400200020000rwnwv130.jpg/static", "pic_snapshot_dst_offset": 0, "pic_snapshot_time": 1676253453, "pic_snapshot_timems": 1676253453434, "pic_snapshot_tzone": 28800000, "target_type": 6, "trecord_type": 34, "vehicle_type": 9, "vehicle_type_ext": 9, "vhd_object_id": 40152 } }, "test": false } 示例二、机非人业务机动车信息 { "message_id": 1676252528838941764, "message_type": "vehicle_data", "data": { "device_id": "219123456CYP***", "channel_id": "0", "data_id": "167625252854900210110000rwnwv130", "report_time": "2023-02-13T09:42:06+08:00", "itgt_type": 7, "global_obj_id": 7198857782190185052, "lane_id": 2, "vehicle_direction": 4, "plate_char": "浙XXXXXX", "plate_color": 1, "vehicle_type": 1, "vehicle_color": 2, "car_pre_brand": 74, "car_sub_brand": 554, "car_year_brand": "2010", "vehicle_url": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625252854900210010000rwnwv130.jpg/static", "panorama_url": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625252854900210020000rwnwv130.jpg/static", "vehicle_pos": { "x_cor": 3218, "y_cor": 111, "width": 3085, "height": 3402 }, "common": { "channel_id": 101, "channel_id_ex": 101, "meta_type_mask": 2, "pts": 166735159705, "sdc_uuid": "224440c1-966e-57eb-fd7b-8ca03739be7e", "sdc_device_id": "40619954-b309-46b1-7d1a-a3f443a58c87" }, "target": { "car_pre_brand": "斯柯达", "car_pre_brand_index": 74, "car_sub_brand": "明锐", "car_sub_brand_index": 554, "car_year_brand": "2010", "cur_snap_index": 0, "global_object_id": 7198857782190185052, "lane_id": 2, "panorama_pic": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625252854900210020000rwnwv130.jpg/static", "pic_snapshot_dst_offset": 0, "pic_snapshot_time": 1676252525, "pic_snapshot_timems": 1676252525274, "pic_snapshot_tzone": 28800000, "plate_char": "浙XXXXXX", "plate_color": 1, "plate_pic": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625252854900210080000rwnwv130.jpg/static", "plate_pos": { "x": 5437, "y": 1958, "width": 601, "height": 666 }, "plate_pos_abs": { "x": 696, "y": 141, "width": 77, "height": 48 }, "plate_pos_com": { "x": 5437, "y": 1958, "width": 601, "height": 666 }, "plate_type": 1, "target_type": 7, "trecord_type": 34, "vehicle_color": 2, "vehicle_direction": 4, "vehicle_pic": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625252854900210010000rwnwv130.jpg/static", "vehicle_pos": { "x": 3218, "y": 111, "width": 3085, "height": 3402 }, "vehicle_pos_abs": { "x": 412, "y": 8, "width": 395, "height": 245 }, "vehicle_pos_com": { "x": 3218, "y": 111, "width": 3085, "height": 3402 }, "vehicle_type": 1, "vehicle_type_ext": 17, "vhd_object_id": 39516 } }, "test": false } 示例三、机非人业务非机动车信息 { "message_id": 1676253298093565055, "message_type": "vehicle_data", "data": { "device_id": "219123456CYP***", "channel_id": "0", "data_id": "167625329805000220030000rwnwv130", "report_time": "2023-02-13T09:54:56+08:00", "itgt_type": 8, "moto_type": 1, "motor_color": 1, "rider_num": 1, "global_obj_id": 7198857782190185592, "lane_id": 2, "vehicle_type": 8, "vehicle_url": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625329805000220010000rwnwv130.jpg/static", "panorama_url": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625329805000220020000rwnwv130.jpg/static", "vehicle_pos": { "x_cor": 3484, "y_cor": 3805, "width": 1953, "height": 6180 }, "common": { "channel_id": 101, "channel_id_ex": 101, "image_height": 720, "image_width": 1280, "meta_type_mask": 2, "pts": 167506599705, "sdc_uuid": "224440c1-966e-57eb-fd7b-8ca03739be7e" }, "target": { "motor_color": 1, "motor_license_plate": 1, "motor_motor_carry": 1, "motor_sunshade": 1, "motor_sunshade_color": 0, "motor_type": 1, "riderman_age": 0, "riderman_feature": { "age": 0, "gender": 0, "helmet": 0, "helmet_color": 0, "upper_color": 0, "upper_style": 0 }, "riderman_gender": 0, "riderman_helmet": 0, "riderman_helmetcolor": 0, "riderman_num": 1, "riderman_uppercolor": 0, "riderman_upperstyle": 0, "global_object_id": 7198857782190185592, "lane_id": 2, "panorama_pic": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625329805000220020000rwnwv130.jpg/static", "pic_snapshot_dst_offset": 0, "pic_snapshot_time": 1676253294, "pic_snapshot_timems": 1676253294194, "pic_snapshot_tzone": 28800000, "target_type": 8, "trecord_type": 34, "vehicle_pic": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625329805000220010000rwnwv130.jpg/static", "vehicle_pos_abs": { "height": 345, "width": 140, "x": 146, "y": 192 }, "vehicle_pos": { "x": 3484, "y": 3805, "width": 1953, "height": 6180 }, "vehicle_type": 8, "vehicle_type_ext": 8, "vhd_object_id": 40056 } }, "test": false } 示例四、非机动车上目标检测 { "message_id": 1676253298093565055, "message_type": "vehicle_data", "data": { "device_id": "219123456CYP***", "channel_id": "0", "data_id": "167625329805000220030000rwnwv130", "report_time": "2023-02-13T09:54:56+08:00", "itgt_type": 8, "global_obj_id": 7198857782190185592, "human_lowercolor": 1, "human_lowstyle": 1, "human_mouthmask": 1, "human_pos": { "height": 2513, "width": 515, "x_cor": 6265, "y_cor": 1027 }, "human_shape": 1, "human_uppercolor": 4, "moto_type": 1, "motor_color": 1, "rider_num": 2, "lane_id": 2, "vehicle_type": 8, "vehicle_url": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625329805000220010000rwnwv130.jpg/static", "panorama_url": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625329805000220020000rwnwv130.jpg/static", "vehicle_pos": { "x_cor": 3484, "y_cor": 3805, "width": 1953, "height": 6180 }, "common": { "channel_id": 101, "channel_id_ex": 101, "image_height": 720, "image_width": 1280, "meta_type_mask": 2, "pts": 167506599705, "sdc_uuid": "224440c1-966e-57eb-fd7b-8ca03739be7e" }, "target": { "face_id": 349, "face_pic_time": 1681289694842, "face_pic_tzone": 28800000, "global_object_id": 7198857782190185592, "human_age": 0, "human_backpack": 1, "human_carry": 1, "human_direct": 2, "human_frontpack": 1, "human_gender": 0, "human_glass": 1, "human_hair": 0, "human_hat": 0, "human_lower_color": 1, "human_lower_style": 1, "human_luggage": 1, "human_mouth_mask": 1, "human_pic": "https://www.example.com/v1/holo/tlv_219123456CYP***_6_20230412_tlv_168129058721800230040000rdhfp020.jpg/static", "human_pic_kps": 1, "human_pic_roi": { "height": 10000, "width": 6125, "x": 2000, "y": 0 }, "human_rect_position": { "height": 2513, "width": 515, "x": 6265, "y": 1027 }, "human_satchel": 1, "human_shape": 1, "human_speed": 2, "human_umbrella": 1, "human_upper_color": 4, "human_upper_style": 0, "human_upper_texture": 1, "human_view": 0, "motor_color": 1, "motor_license_plate": 1, "motor_motor_carry": 1, "motor_sunshade": 1, "motor_sunshade_color": 0, "motor_type": 1, "lane_id": 2, "panorama_pic": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625329805000220020000rwnwv130.jpg/static", "pic_snapshot_dst_offset": 0, "pic_snapshot_time": 1676253294, "pic_snapshot_timems": 1676253294194, "pic_snapshot_tzone": 28800000, "riderman_age": 0, "riderman_gender": 0, "riderman_helmet": 0, "riderman_helmetcolor": 0, "riderman_num": 2, "riderman_uppercolor": 4, "riderman_upperstyle": 0, "target_type": 8, "trecord_type": 34, "vehicle_pic": "https://www.example.com/v1/holo/tlv_219123456CYP***_0_20230213_tlv_167625329805000220010000rwnwv130.jpg/static", "vehicle_pos": { "x": 3484, "y": 3805, "width": 1953, "height": 6180 }, "vehicle_type": 8, "vehicle_type_ext": 8, "vhd_object_id": 40056 } }, "test": false }

功能介绍 机非人业务：机动车/非机动车/行人相关的智能场景。 机非人业务消息体的message_type值为target_data。 目前行业视频管理服务会处理以下场景： itgt_type/target_type枚举值： 6 机非人业务目标整体信息（摄像机SDC/NVR800开启机非人模式，行人进入区域，会被自动抓拍，提取行人特征信息，如：年龄段、是否戴眼镜、长头发还是短头发、是否戴帽子、衣服款式和颜色等） 7 机非人业务机动车信息（摄像机SDC/NVR800开启机非人模式， 机动车进入区域，会被自动抓拍，提取机动车特征信息，如：机动车品牌、款型、车牌号、车牌颜色等） 8 机非人业务非机动车信息（摄像机SDC/NVR800开启机非人模式，非机动车进入区域，会被自动抓拍，提取非机动车特征信息，如：非机动车类型、颜色、骑行者的特征信息等） 53 非机动车上目标检测（特定混行摄像机SDC开启混行模式，非机动车进入区域，会被自动抓拍，提取非机动车及其骑行者特征信息，如：非机动车类型、颜色、骑行者的特征信息等。注意：与8不同的是，53有更多的关于骑行者的特征信息，如骑行者是否背包、是否有撑伞等）