一见技能注册与使用指南

⚠️ 必需条件

此工具需要以下条件才能运行：

YIJIAN_API_KEY 环境变量（必需）- 从一见平台获取
Node.js >= 16.0.0 - 本工具依赖 Node.js 运行时
npm >= 8.0.0 - 用于依赖管理和安装

如果缺少上述任何条件，工具将无法运行。

详见安装指南了解详细配置步骤。

🔒 客户端工具 - 这是一个本地工具，用于与百度一见平台交互。所有数据处理遵循安全协议。详见安全说明。

🎯 此工具的功能

一见（yijian-next.cloud.baidu.com）是百度的视觉理解平台。此工具使你能够：

注册技能 - 从一见平台本地注册检测技能
调用技能 - 使用图像或视频帧调用已注册的技能
可视化结果 - 绘制边框、生成网格参考、预览 ROI/绊线
定义检测区域 - 使用交互式工作流定义 ROI（电子围栏）或绊线（检测线）

支持的检测类型： 人员检测、行人计数、车辆识别、OCR、姿态估计、目标跟踪等。

📋 快速开始

系统要求

Node.js >= 16.0.0
npm >= 8.0.0
YIJIAN_API_KEY 环境变量

💡 详见安装指南获取详细说明

🔧 前置条件

获取 API Key

登录一见平台
激活试用包
生成 API Key（一见平台 → 系统管理 → 安全认证 → API Key）

配置环境

设置环境变量：

YIJIAN_API_KEY=your-api-key

📚 使用指南

基本工作流

# 1. 列出可用技能（预设和已注册的）
node scripts/invoke.mjs --list

# 2. 调用一个技能
echo '{"input0":{"image":"photo.jpg"}}' | node scripts/invoke.mjs ep-xxxx-yyyy

# 3. 可视化或显示结果（可选）
node scripts/visualize.mjs photo.jpg '<result-json>'

或先注册一个技能再使用：

# 注册技能
YIJIAN_API_KEY=${YIJIAN_API_KEY} node scripts/register.mjs ep-xxxx-yyyy

# 然后调用
echo '{"input0":{"image":"photo.jpg"}}' | node scripts/invoke.mjs ep-xxxx-yyyy

定义检测区域

需要定义电子围栏（ROI，又叫感兴趣区域）或绊线（Tripwire，又叫检测线）？

ROI 工作流 — 创建电子围栏，仅在指定区域检测
绊线工作流 — 绘制检测线，统计穿越事件

两个工作流都包含完整的交互步骤和示例对话。

查看完整文档

安装指南 — 详细的安装和配置说明
安全说明 — 数据安全和隐私说明
类型定义 — 检测（Detection），图像（Image）、电子围栏（ROI）、绊线（Tripwire）等数据结构
可视化指南 — 显示检测结果、生成网格
视频帧提取 — 从视频提取帧进行检测
网格输入系统 — 使用网格坐标指定点

💡 常见任务

注册一个技能

获得 ep-id 后：

YIJIAN_API_KEY=${YIJIAN_API_KEY} node scripts/register.mjs <ep-id>

调用一个技能

echo '{"input0":{"image":"photo.jpg"}}' | node scripts/invoke.mjs <ep-id>

带有 ROI：

echo '{"input0":{"image":"photo.jpg","roi":{...}}}' | node scripts/invoke.mjs <ep-id>

带有绊线：

echo '{"input0":{"image":"photo.jpg","tripwire":{...}}}' | node scripts/invoke.mjs <ep-id>

预览 ROI/绊线

在调用前在图像上预览：

node scripts/visualize.mjs photo.jpg '[]' preview.png \
  --overlays '[{"kind":"ROI","name":"zone","points":[...]}]'

生成网格

帮助用户使用网格坐标指定点位置：

node scripts/show-grid.mjs photo.jpg grid.png

📋 使用示例

示例 1：基本检测工作流

场景： 你有一张监控画面图像，想使用预设一见技能检测摔倒的人员。

# 第 1 步：列出可用技能
node scripts/list.mjs

# 第 2 步：调用技能
echo '{"input0":{"image":"surveillance.jpg"}}' | \
  node scripts/invoke.mjs ep-public-inqm15aq

# 第 3 步：可视化结果
detections='[{"bbox":[150,200,80,180],"confidence":0.94,"category":{"id":"person","name":"人体"}}]'
node scripts/visualize.mjs surveillance.jpg "$detections" output.jpg

# 第 4 步：处理结果
echo "$detections" | jq 'length'  # 计数人数

示例 2：基于网格的 ROI 设置

场景： 在走廊监控摄像机中计数进入特定房间的人员，使用 ROI 限制检测区域。

# 第 1 步：生成网格参考
node scripts/show-grid.mjs hallway.jpg --cols 6 --rows 4

# 第 2 步：根据网格识别坐标（B1, D1, D3, B3）并创建 ROI
roi='{"kind":"ROI","points":[320,270,960,270,960,810,320,810]}'

# 第 3 步：验证 ROI
node scripts/visualize.mjs hallway.jpg '[]' roi_preview.jpg \
  --overlays "[{\"kind\":\"ROI\",\"name\":\"doorway\",\"points\":[320,270,960,270,960,810,320,810]}]"

# 第 4 步：使用 ROI 运行检测
echo "{\"input0\":{\"image\":\"hallway.jpg\",\"roi\":$roi}}" | \
  node scripts/invoke.mjs ep-public-2403um2p

示例 3：视频帧处理和跟踪

场景： 处理 30 秒监控视频，逐帧检测和跟踪人员。

# 第 1 步：提取帧
ffmpeg -i surveillance_30sec.mp4 -vf fps=1 frames/frame_%04d.jpg

# 第 2 步：计算 sourceId（视频标识符）
sourceId=$(head -c 65536 surveillance_30sec.mp4 | md5sum | awk '{print substr($1, 1, 16)}')

# 第 3 步：处理每个帧并跟踪
for frame_file in frames/frame_*.jpg; do
  frame_num=$(basename "$frame_file" | grep -oE '[0-9]+' | head -1)
  frame_index=$((10#$frame_num - 1))
  timestamp=$((frame_index * 1000))
  imageId="frame_$(printf '%04d' "$frame_num")"

  frame_data="{\"file\":\"$frame_file\",\"sourceId\":\"$sourceId\",\"imageId\":\"$imageId\",\"timestamp\":$timestamp}"

  result=$(echo "{\"input0\":{\"image\":$frame_data}}" | \
    node scripts/invoke.mjs ep-public-2403um2p)

  detections=$(echo "$result" | jq '.outputs[0].parsedValue')
  echo "$detections" > "results/${imageId}_detections.json"
done

API Key 从 YIJIAN_API_KEY 环境变量读取。所有脚本将 JSON 输出到标准输出，错误输出到标准错误。

baidu-yijian-vision

Safety Notice

Copy this and send it to your AI assistant to learn