# detection

Python API: `depthai_nodes.message.creators.detection`

## 函数

### create_detection_message

```python
def create_detection_message(bboxes: np.ndarray, scores: np.ndarray, angles: np.ndarray | None = None, labels: np.ndarray | None = None, label_names: list[str] | None = None, keypoints: np.ndarray | None = None, keypoints_scores: np.ndarray | None = None, keypoint_label_names: list[str] | None = None, keypoint_edges: list[tuple[int, int]] | None = None, masks: np.ndarray | None = None) -> dai.ImgDetections:
```

创建带有可选关键点和实例掩码的本地检测。

参数

 * `bboxes` (`np.ndarray`): 归一化 `(N, 4)` 中心 XY/宽度/高度框的 NumPy 数组。空数组会立即返回空检测消息。
 * `scores` (`np.ndarray`): 形状为 `(N,)` 的 NumPy 数组，包含检测置信度。
 * `angles` (`np.ndarray | None`): 每个检测的可选角度，以度为单位，范围在 [-360, 360] 之间。
 * `labels` (`np.ndarray | None`): 可选的类别 ID NumPy 数组，每个检测一个。值将转换为整数。
 * `label_names` (`list[str] | None`): 可选的按检测顺序的名称列表，每个检测一个。仅当提供了 `labels` 时才分配名称。这不是一个类别 ID 查找表。
 * `keypoints` (`np.ndarray | None`): 形状为 `(N, K, 2)` 或 `(N, K, 3)` 的可选坐标。二维点将 Z 设为 0。
 * `keypoints_scores` (`np.ndarray | None`): 形状为 `(N, K)` 的可选浮点置信度，范围在 [0, 1]；需要 `keypoints`。
 * `keypoint_label_names` (`list[str] | None`): 可选的关键点名称列表。目前已验证但未附加到输出关键点。
 * `keypoint_edges` (`list[tuple[int, int]] | None`): 可选的整数索引对，定义每个检测的骨架。
 * `masks` (`np.ndarray | None`): 可选的 HW 实例 ID 掩码，转换为 uint8。ID 对应于检测索引；为背景保留 255。转换不验证可表示性。

返回

 * `dai.ImgDetections`: 带有提供负载的本地检测消息。调用者设置时间戳、序列号和变换。

引发

 * `ValueError`: 如果提供的数组或可选元数据未能通过类型、长度、形状或范围检查。
 * `IndexError`: 如果无法按要求索引每个检测的名称或分数数组。
