Acerca de la API:
Esta API detectará si la persona en la imagen dada está usando una máscara o no.
Esta API recibirá una URL de imagen y entregará el análisis.
Detectará si el usuario está usando una máscara o no.
Necesitas enfocarte en dos parámetros.
Mask y no_mask.
En este caso, el usuario está usando una máscara ya que el resultado está más cerca de 1 y por debajo de 1.
Si el resultado está por encima de 1, significa que es falso.
Seguridad en el lugar de trabajo: Esta API es ideal para aquellas empresas que requieren que sus trabajadores usen máscaras. Puedes desarrollar un punto de control en la entrada para detectar que tus empleados están ingresando al edificio con sus máscaras.
Control del transporte público: Sabemos que la pandemia no ha terminado. Esta API ayudará a detectar si algún pasajero no está usando una máscara y prevenir la propagación de la enfermedad.
Además de las limitaciones de llamadas a la API por mes, no hay otras limitaciones.
Realiza un análisis de imagen real y responde con los resultados.
La imagen debe ser una imagen JPEG o PNG regular (con o sin transparencia). Normalmente, tales imágenes tienen extensiones: .jpg, .jpeg, .png.
image/jpegimage/pngEl tamaño del archivo de imagen debe ser menor de 16Mb.
Cómo leer los parámetros:
Mask y no_mask.
En este caso, el usuario lleva puesta una máscara ya que el resultado está más cerca de 1 y por debajo de 1.
Si el resultado es superior a 1, significa que es falso.
Analizar imagen - Características del Endpoint
| Objeto | Descripción |
|---|---|
url |
[Requerido] URL of the image you want to check. |
detection |
Opcional Detection is enabled by default. |
{"results":[{"status":{"code":"ok","message":"Success"},"name":"https://assets2.cbsnewsstatic.com/hub/i/2021/12/16/f6d7364b-bb08-42eb-980b-5ea43238aa87/face-mask-brands.jpg","md5":"a60a146de34a292abce35fcb831a36f2","width":1280,"height":720,"entities":[{"kind":"objects","name":"med-mask-detector","objects":[{"box":[0.17611823081970215,0.0,0.7357337474822998,0.9957617865668402],"entities":[{"kind":"classes","name":"people-detector","classes":{"person":0.7737056612968445}},{"kind":"classes","name":"med-mask","classes":{"mask":0.9999998807907104,"nomask":1.5353623439295916e-07}}]}]}]}]}
curl --location --request POST 'https://zylalabs.com/api/368/masks+detection+api/294/analyze+image?url=https://assets2.cbsnewsstatic.com/hub/i/2021/12/16/f6d7364b-bb08-42eb-980b-5ea43238aa87/face-mask-brands.jpg&detection=true' --header 'Authorization: Bearer YOUR_API_KEY'
| Encabezado | Descripción |
|---|---|
Autorización
|
[Requerido] Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito. |
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento. La Prueba Gratuita incluye hasta 50 solicitudes.
La API de detección de máscaras devuelve una respuesta JSON que contiene el análisis de la imagen proporcionada. Incluye un código de estado, un mensaje y detalles sobre si la persona detectada está usando una máscara o no, junto con puntajes de confianza para cada clasificación.
Los campos clave en la respuesta incluyen `status` (con `code` y `message`), `name` (URL de la imagen), `md5` (hash de la imagen), `width`, `height` y `entities` (que contiene los resultados de detección, incluido el estado de la máscara).
Los datos de respuesta están estructurados en un formato jerárquico. Comienza con un arreglo de `resultados`, que contiene objetos que detallan el análisis, incluyendo `estado`, metadatos de imagen y entidades de detección, que desglosan aún más los resultados de la detección de la máscara.
La API de Detección de Mascarillas acepta un solo parámetro: la URL de la imagen. Los usuarios deben asegurarse de que la imagen esté en formato JPEG o PNG y tenga un tamaño inferior a 16 MB para un análisis exitoso.
Los usuarios pueden utilizar los datos devueltos al verificar los puntajes de confianza `mask` y `nomask`. Un puntaje más cercano a 1 para `mask` indica que la persona está usando una máscara, mientras que un puntaje superior a 1 para `nomask` indica que no la están usando.
Los casos de uso típicos incluyen verificaciones de seguridad en el lugar de trabajo para asegurar que los empleados usen mascarillas, monitoreo del transporte público para el cumplimiento de normas y mejora de las medidas de seguridad en áreas concurridas durante crisis de salud.
La precisión de los datos se mantiene a través de avanzados algoritmos de aprendizaje automático entrenados en conjuntos de datos diversos. Las actualizaciones y mejoras continuas del modelo ayudan a garantizar resultados de detección de máscaras confiables.
Los usuarios pueden esperar patrones consistentes en la respuesta, como una clara distinción entre las puntuaciones de confianza con máscara y sin máscara. Por lo general, la puntuación de `mask` será significativamente más alta cuando se detecte una máscara, mientras que la puntuación de `nomask` será mínima.
Nivel de Servicio:
100%
Tiempo de Respuesta:
856ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.217ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.462ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
0ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
0ms
Nivel de Servicio:
89%
Tiempo de Respuesta:
0ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
949ms
Nivel de Servicio:
91%
Tiempo de Respuesta:
258ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
5.626ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
811ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
171ms
Nivel de Servicio:
80%
Tiempo de Respuesta:
753ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
223ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
968ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
2.452ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
881ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
0ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
333ms
Nivel de Servicio:
96%
Tiempo de Respuesta:
1.550ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.148ms