本文介绍目标检测（objectdet）类目下的物体检测DetectObject的语法及示例。
功能描述
物体检测能力可以检测输入图像中的物体。
关于该接口功能的示例图如下：
接入指引
1. 注册阿里云账号：打开阿里云官网，在阿里云官网右上角，单击立即注册，按照操作提示完成账号注册。
2. 开通能力：请确保您已开通目标检测服务，若未开通服务请立即开通。
3. 创建AccessKey：请确保您已创建AccessKey，如果您使用的是子账号AccessKey，您需要给子账号赋予AliyunVIAPIFullAccess权限，具体操作，请参见RAM授权。
4. 在线调试（可选）：您可以通过OpenAPI Explorer在线调试能力，查看完整的调用示例代码及SDK依赖信息，也可以下载完整的工程。
5. 开发接入步骤：
- 在SDK总览中选择您要接入使用的SDK语言。
- 在对应语言的SDK文档中找到AI类目为目标检测（objectdet）类目的SDK包进行安装。
- 参考文档中提供的示例代码进行适当修改后调用。
6. 示例代码：该能力常用语言的示例代码，请参见物体检测示例代码。
7. 客户端直接调用：该能力常用的客户端调用方式包括以下几种。
输入限制
- 图像格式：JPEG、JPG、PNG、BMP。
- 图像大小：不超过3 MB。
- 图像分辨率：大于20×20像素，小于4096×4096像素。
- URL地址中不能包含中文字符。
计费说明
关于物体检测的计费方式及报价，请参见计费介绍。
调试
您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。
请求参数
|
名称 |
类型 |
是否必选 |
示例值 |
描述 |
| Action | String | 是 | DetectObject | 系统规定参数。取值：DetectObject。 |
| ImageURL | String | 是 | http://viapi-test.oss-cn-shanghai.aliyuncs.com/viapi-3.0domepic/objectdet/DetectObject/DetectObject1.jpg | 图像URL地址。推荐使用上海地域的OSS链接，对于文件在本地或者非上海地域OSS链接的情况，请参见文件URL处理。 |
返回数据
名称 |
类型 |
示例值 |
描述 |
| RequestId | String | 6EF97B44-2763-4EAD-8737-FB9F5EE25FE2 | 请求ID。 |
| Data | Object | 返回的结果数据内容。 |
|
| Elements | Array of Element | 检测框数据集合。 |
|
| Type | String | chair | 检测框对应的物体名称。具体类型如下所示。 |
| Boxes | Array of Integer | [468, 238, 531, 299] | 检测框坐标，格式为 |
| Score | Float | 0.266 | 检测到物体的置信度，取值范围为0~1。 |
| Width | Integer | 533 | 图片的宽度。 |
| Height | Integer | 300 | 图片的高度。 |
Type类型包括：
human（人体）、sneakers（胶底运动鞋）、chair（椅子）、hat（帽子）、lamp（灯）、cabinet/shelf（橱柜/ 架子）、car（汽车）、glasses（眼镜）、picture/frame（照片/图画）、street lights（街灯）、helmet（头盔）、pillow（枕头）、glove（手套）、potted plant（盆栽植物）、flower（花）、monitor（显示屏）、plants pot/vase（花盆）、boots（靴子）、umbrella（伞）、boat（小船）、flag（旗帜）、speaker（扬声器/话筒）、trash bin/can（垃圾桶）、backpack（ 双肩背包）、sofa（沙发）、belt（腰带）、carpet（地毯）、coffee table（咖啡桌/茶几）、tie（领带）、bed（床）、traffic light（红绿灯）、necklace（项链）、mirror（镜子）、bicycle（自行车）、watch（手表）、horse（马）、traffic sign（交通标志）、stuffed animal（填充玩具动物）、motorbike/motorcycle（摩托车）、wild bird（鸟）、laptop（笔记本电脑）、cow（奶牛）、clock（时钟）、bus（公共汽车）、nightstand（床头柜）、sheep（绵羊）、traffic cone（锥形交通路标）、keyboard（键盘）、hockey stick（曲棍球球棍）、fan（电扇）、dog（狗）、blackboard/whiteboard（白板/黑板）、mouse（鼠标）、telephone（电话）、airplane（飞机）、skis（滑雪板）、soccer（英式足球）、combine with glove（棒球手套）、train（火车）、tent（帐篷）、sailboat（帆船）、kite（风筝）、computer box（计算机主机机箱）、elephant（大象）、stroller（折叠式婴儿车）、baseball bat（棒球棒）、skateboard（溜冰板）、surfboard（冲浪板）、cat（猫）、zebra（斑马）、sports car（跑车）、giraffe（长颈鹿）、radiator（散热器）、tennis racket（网球拍）、skating and skiing shoes（溜冰鞋）、baseball（棒球）、american football（美式橄榄球）、basketball（篮球）、printer（打印机）、fire hydrant（消防栓）、projector（投影仪）、fire extinguisher（灭火器）、tennis ball（网球）、frisbee（飞盘）、fire truck（消防车）、helicopter（直升飞机）、carriage（四轮马车）、bear（熊）、globe（地球仪）、volleyball（排球）。
SDK参考
阿里云视觉AI目标检测类目下的物体检测能力推荐使用SDK调用，支持多种编程语言，调用时请选择AI类目为目标检测（objectdet）的SDK包，文件参数通过SDK调用可支持本地文件及任意URL，具体可参见SDK总览。
示例代码
该能力常用语言的示例代码，请参见物体检测示例代码。
示例
请求示例
http(s)://objectdet.cn-shanghai.aliyuncs.com/?Action=DetectObject //更多关于访问域名（Endpoint）信息，请参见：https://help.aliyun.com/document_detail/143103.html
&ImageURL=http://viapi-test.oss-cn-shanghai.aliyuncs.com/viapi-3.0domepic/objectdet/DetectObject/DetectObject1.jpg
&<公共请求参数>正常返回示例
XML格式
HTTP/1.1 200 OK
Content-Type:application/xml
<DetectObjectResponse>
<RequestId>6EF97B44-2763-4EAD-8737-FB9F5EE25FE2</RequestId>
<Data>
<Height>300</Height>
<Elements>
<Score>0.266</Score>
<Type>chair</Type>
<Boxes>468</Boxes>
<Boxes>238</Boxes>
<Boxes>531</Boxes>
<Boxes>299</Boxes>
</Elements>
<Elements>
<Score>0.213</Score>
<Type>chair</Type>
<Boxes>452</Boxes>
<Boxes>168</Boxes>
<Boxes>531</Boxes>
<Boxes>233</Boxes>
</Elements>
<Elements>
<Score>0.308</Score>
<Type>picture/frame</Type>
<Boxes>487</Boxes>
<Boxes>44</Boxes>
<Boxes>501</Boxes>
<Boxes>96</Boxes>
</Elements>
<Elements>
<Score>0.257</Score>
<Type>picture/frame</Type>
<Boxes>477</Boxes>
<Boxes>67</Boxes>
<Boxes>484</Boxes>
<Boxes>98</Boxes>
</Elements>
<Elements>
<Score>0.201</Score>
<Type>picture/frame</Type>
<Boxes>503</Boxes>
<Boxes>26</Boxes>
<Boxes>524</Boxes>
<Boxes>85</Boxes>
</Elements>
<Elements>
<Score>0.515</Score>
<Type>pillow</Type>
<Boxes>161</Boxes>
<Boxes>141</Boxes>
<Boxes>181</Boxes>
<Boxes>158</Boxes>
</Elements>
<Elements>
<Score>0.293</Score>
<Type>pillow</Type>
<Boxes>473</Boxes>
<Boxes>143</Boxes>
<Boxes>496</Boxes>
<Boxes>157</Boxes>
</Elements>
<Elements>
<Score>0.214</Score>
<Type>pillow</Type>
<Boxes>241</Boxes>
<Boxes>145</Boxes>
<Boxes>253</Boxes>
<Boxes>166</Boxes>
</Elements>
<Elements>
<Score>0.374</Score>
<Type>potted plant</Type>
<Boxes>449</Boxes>
<Boxes>97</Boxes>
<Boxes>477</Boxes>
<Boxes>140</Boxes>
</Elements>
<Elements>
<Score>0.412</Score>
<Type>sofa</Type>
<Boxes>145</Boxes>
<Boxes>135</Boxes>
<Boxes>304</Boxes>
<Boxes>202</Boxes>
</Elements>
<Elements>
<Score>0.269</Score>
<Type>sofa</Type>
<Boxes>443</Boxes>
<Boxes>136</Boxes>
<Boxes>531</Boxes>
<Boxes>190</Boxes>
</Elements>
<Elements>
<Score>0.262</Score>
<Type>sofa</Type>
<Boxes>301</Boxes>
<Boxes>136</Boxes>
<Boxes>352</Boxes>
<Boxes>168</Boxes>
</Elements>
<Elements>
<Score>0.242</Score>
<Type>sofa</Type>
<Boxes>452</Boxes>
<Boxes>167</Boxes>
<Boxes>531</Boxes>
<Boxes>230</Boxes>
</Elements>
<Elements>
<Score>0.219</Score>
<Type>carpet</Type>
<Boxes>0</Boxes>
<Boxes>153</Boxes>
<Boxes>272</Boxes>
<Boxes>293</Boxes>
</Elements>
<Elements>
<Score>0.458</Score>
<Type>coffee table</Type>
<Boxes>171</Boxes>
<Boxes>172</Boxes>
<Boxes>214</Boxes>
<Boxes>214</Boxes>
</Elements>
<Elements>
<Score>0.358</Score>
<Type>coffee table</Type>
<Boxes>337</Boxes>
<Boxes>185</Boxes>
<Boxes>420</Boxes>
<Boxes>274</Boxes>
</Elements>
<Elements>
<Score>0.285</Score>
<Type>coffee table</Type>
<Boxes>386</Boxes>
<Boxes>159</Boxes>
<Boxes>428</Boxes>
<Boxes>192</Boxes>
</Elements>
<Elements>
<Score>0.214</Score>
<Type>mirror</Type>
<Boxes>503</Boxes>
<Boxes>26</Boxes>
<Boxes>524</Boxes>
<Boxes>85</Boxes>
</Elements>
<Width>533</Width>
</Data>
</DetectObjectResponse>JSON格式
HTTP/1.1 200 OK
Content-Type:application/json
{
"RequestId" : "6EF97B44-2763-4EAD-8737-FB9F5EE25FE2",
"Data" : {
"Height" : 300,
"Elements" : [ {
"Score" : 0.266,
"Type" : "chair",
"Boxes" : [ 468, 238, 531, 299 ]
}, {
"Score" : 0.213,
"Type" : "chair",
"Boxes" : [ 452, 168, 531, 233 ]
}, {
"Score" : 0.308,
"Type" : "picture/frame",
"Boxes" : [ 487, 44, 501, 96 ]
}, {
"Score" : 0.257,
"Type" : "picture/frame",
"Boxes" : [ 477, 67, 484, 98 ]
}, {
"Score" : 0.201,
"Type" : "picture/frame",
"Boxes" : [ 503, 26, 524, 85 ]
}, {
"Score" : 0.515,
"Type" : "pillow",
"Boxes" : [ 161, 141, 181, 158 ]
}, {
"Score" : 0.293,
"Type" : "pillow",
"Boxes" : [ 473, 143, 496, 157 ]
}, {
"Score" : 0.214,
"Type" : "pillow",
"Boxes" : [ 241, 145, 253, 166 ]
}, {
"Score" : 0.374,
"Type" : "potted plant",
"Boxes" : [ 449, 97, 477, 140 ]
}, {
"Score" : 0.412,
"Type" : "sofa",
"Boxes" : [ 145, 135, 304, 202 ]
}, {
"Score" : 0.269,
"Type" : "sofa",
"Boxes" : [ 443, 136, 531, 190 ]
}, {
"Score" : 0.262,
"Type" : "sofa",
"Boxes" : [ 301, 136, 352, 168 ]
}, {
"Score" : 0.242,
"Type" : "sofa",
"Boxes" : [ 452, 167, 531, 230 ]
}, {
"Score" : 0.219,
"Type" : "carpet",
"Boxes" : [ 0, 153, 272, 293 ]
}, {
"Score" : 0.458,
"Type" : "coffee table",
"Boxes" : [ 171, 172, 214, 214 ]
}, {
"Score" : 0.358,
"Type" : "coffee table",
"Boxes" : [ 337, 185, 420, 274 ]
}, {
"Score" : 0.285,
"Type" : "coffee table",
"Boxes" : [ 386, 159, 428, 192 ]
}, {
"Score" : 0.214,
"Type" : "mirror",
"Boxes" : [ 503, 26, 524, 85 ]
} ],
"Width" : 533
}
}错误码
关于物体检测的错误码，详情请参见常见错误码。
安全声明
- 请确保上传的图片或文件来源符合相应的法律法规。
- 通过体验调试上传的临时文件有效期为1小时，在24小时后会被系统自动清理删除。
- 本页导读 （1）