人头人体检测

解决视觉识别中的密集目标痛点

在监控安防、客流统计或复杂场景分析等业务中，图像往往包含大量重叠和拥挤的人群。如何稳定地将画面中的独立人头与完整人体区分开来，并提取其空间位置，是构建上层视觉系统的基础难题。该技能专注于人头与人体检测任务，能够从输入的图像中精准提取所有目标的检测框、置信度及分类标签，为后续的追踪或行为分析提供结构化数据。

核心能力与工作流

该技能采用路由层架构，大模型负责意图理解与参数提取，底层脚本负责与 API 交互。核心工作流程如下：

• 密钥校验与管理：在处理请求前，系统会检查 scripts.config.settings.api_key。若环境变量 XBY_APIKEY 缺失，将通过交互询问用户获取密钥，并调用 scripts.config.set_api_key(key) 完成保存。严禁在无密钥状态下虚构数据。
• 输入格式解析：根据图像来源动态选择调用工具。若图像以文件链接形式提供，使用 scripts.tools.head_person_detection 并传入 dataUrl 参数；若图像为二进制数据，则使用 scripts.tools.head_person_detection_for_data_base64 并传入 dataBase64 参数。
• 结果结构化输出：工具调用成功后，系统会读取 result["raw"] 中的 API 返回内容，将其整理为易于理解的格式展示给用户。

适用边界与注意事项

虽然该技能提供了标准化的检测接口，但在工程实践中仍需关注以下限制：

• 强依赖 API 配置：所有检测能力均依赖有效的密钥授权。若未能正确配置密钥，任务将无法启动。
• 输入数据质量：图像的分辨率、光线条件及遮挡程度直接影响模型的识别精度，过暗或严重遮挡的画面可能导致漏检。
• 结果仅为参考：该技能负责提供底层的检测数据，不包含轨迹追踪或属性分析等扩展功能。