关于API:
该API将检测给定图像中的任何人,并预测该人是否佩戴了头盔。简单易用!
此API将接收图像URL,并提供分析,给您提供识别的头盔的位置。
安全: 此API非常适合那些需要在工作场所佩戴头盔的企业。能够监测工人是否正确使用安全设备以防止事故。
该API非常适合建筑工地、仓库和物流综合体。
此外,您还可以验证骑自行车的人是否佩戴头盔以确保安全。
除了每月的API调用限制:
[{"label":"Helmet","coordinate":[268.0,17.0,374.0,156.0]},{"label":"Helmet","coordinate":[495.0,55.0,581.0,181.0]}]
curl --location --request POST 'https://zylalabs.com/api/389/helmet+detection+api/305/detect' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"url": "https://www.metrocuadrado.com/noticias/assets/backend/styles/crop_770x383/public/field/image/istock-927407842.jpg"
}'
| 标头 | 描述 |
|---|---|
授权
|
[必需] 应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。 |
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
检测端点返回一个对象数组,每个对象指示图像中是否检测到头盔。每个对象包括一个标签(“头盔”)和表示检测到的头盔位置的坐标
响应数据中的关键字段是“标签”,表示检测结果(例如,“头盔”),和“坐标”,提供检测到的头盔的边界框坐标,格式为[x1, y1, x2, y2]
响应数据组织为 JSON 数组,每个元素对应一个检测到的头盔。每个元素包含一个标签和坐标,方便用户轻松解析和利用这些信息
检测端点提供有关图像中是否存在头盔的信息,包括检测到的头盔数量及其相应位置,可用于安全合规监测
用户可以通过提供不同的图像网址来自定义他们的请求,以分析各种图像。API独立处理每个图像,使得可以灵活监控不同场景下的头盔使用情况
数据准确性通过先进的图像处理算法得以维护,这些算法分析视觉特征以检测头盔。对模型的持续更新和改进有助于提高检测的可靠性
典型的使用案例包括在建筑工地 仓库 和物流 operations 中监控头盔合规性,以及确保骑士和骑自行车者的安全 这有助于防止事故并促进工作场所安全
如果响应中未检测到头盔,用户应将其解读为没有头盔存在或图像质量可能存在问题。建议检查图像清晰度,并确保其符合 API 的要求以实现最佳检测
服务级别:
100%
响应时间:
2,366ms
服务级别:
89%
响应时间:
0ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
269ms
服务级别:
100%
响应时间:
2,904ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
68ms
服务级别:
100%
响应时间:
904ms
服务级别:
100%
响应时间:
196ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
826ms
服务级别:
100%
响应时间:
13,645ms
服务级别:
100%
响应时间:
606ms
服务级别:
100%
响应时间:
345ms
服务级别:
100%
响应时间:
965ms
服务级别:
100%
响应时间:
567ms
服务级别:
100%
响应时间:
437ms
服务级别:
100%
响应时间:
299ms
服务级别:
100%
响应时间:
63ms
服务级别:
100%
响应时间:
688ms