百度AI攻略：人體關鍵點識別

1.功能描述：

檢測圖像中的人體並返回人體矩形框位置，精準定位21個核心關鍵點，包含頭頂、五官、頸部、四肢主要關節部位，支持多人檢測、大動做等複雜場景

2.平臺接入

具體接入方式比較簡單，能夠參考個人另外一個帖子，這裏就不重複了：

http://ai.baidu.com/forum/topic/show/943327

3.調用攻略（Python3）及評測

3.1首先認證受權：

在開始調用任何API以前須要先進行認證受權，具體的說明請參考：

http://ai.baidu.com/docs#/Auth/top

具體Python3代碼以下：

# -*- coding: utf-8 -*-

#!/usr/bin/env python

import urllib

import base64

import json

#client_id 爲官網獲取的AK， client_secret 爲官網獲取的SK

client_id =【百度雲應用的AK】

client_secret =【百度雲應用的SK】

#獲取token

def get_token():

host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret

request = urllib.request.Request(host)

request.add_header('Content-Type', 'application/json; charset=UTF-8')

response = urllib.request.urlopen(request)

token_content = response.read()

if token_content:

token_info = json.loads(token_content)

token_key = token_info['access_token']

return token_key

3.2人體關鍵點識別分析接口調用：

詳細說明請參考： https://ai.baidu.com/docs#/Body-API/b717c300

說明的比較清晰，這裏就不重複了。

你們須要注意的是：

API訪問URL：https://aip.baidubce.com/rest/2.0/image-classify/v1/body_analysis

圖像數據，base64編碼後進行urlencode，要求base64編碼和urlencode後大小不超過4M。圖片的base64編碼是不包含圖片頭的，如(data:image/jpg;base64,)，支持圖片格式：jpg、bmp、png，最短邊至少50px，最長邊最大4096px

Python3調用代碼以下：

#畫出人體識別結果

def draw_bodys(originfilename,bodys,resultfilename,pointsize):

    from PIL import Image, ImageDraw

    image_origin = Image.open(originfilename)

    draw =ImageDraw.Draw(image_origin)

 

    for body in bodys:

 

        for body_part in body['body_parts'].values():

            #print(body_part)

            draw.ellipse((body_part['x']-pointsize,body_part['y']-pointsize,body_part['x']+pointsize,body_part['y']+pointsize),fill = "blue")

        gesture = body['location']

        draw.rectangle((gesture['left'],gesture['top'],gesture['left']+gesture['width'],gesture['top']+gesture['height']),outline = "red")

    image_origin.save(resultfilename, "JPEG")

 

#人體識別

#filename:原圖片名（本地存儲包括路徑）

def body_analysis(filename,resultfilename,pointsize):

    request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_analysis"

    print(filename)

    # 二進制方式打開圖片文件

    f = open(filename, 'rb')

    img = base64.b64encode(f.read())

 

    params = dict()

    params['image'] = img

    params = urllib.parse.urlencode(params).encode("utf-8")

    #params = json.dumps(params).encode('utf-8')

 

    access_token = get_token()

    begin = time.perf_counter()

    request_url = request_url + "?access_token=" + access_token

    request = urllib.request.Request(url=request_url, data=params)

    request.add_header('Content-Type', 'application/x-www-form-urlencoded')

    response = urllib.request.urlopen(request)

    content = response.read()

    end = time.perf_counter()

    print('處理時長:'+'%.2f'%(end-begin)+'秒')

    if content:

        #print(content)

        content=content.decode('utf-8')

        print(content)

        data = json.loads(content)

        #print(data)

        #print(data)

        result=data['person_info']

 

        draw_bodys(filename,result,resultfilename,pointsize)

4.功能評測：

選用不一樣的數據對效果進行測試，具體效果以下（如下例子均來自網上）：

單人不一樣姿態：

處理時長:0.49秒

person_num: 1

處理時長:0.46秒

person_num: 1

處理時長:0.39秒

person_num: 1

處理時長:0.44秒

person_num: 1

黑白照片：

處理時長:0.68秒

person_num: 1

多人照片：

多人複雜場景：

處理時長:0.81秒

person_num: 3

將海報內容誤識別爲人。不過海報的內容好像也是一張人臉的一部分。

最後再來一張多人各類動做都有的：

處理時長:0.59秒

person_num: 7

能夠看到效果很是好，很是準確。

 

5.測試結論和建議

測試下來，總體識別效果不錯。對於人體關鍵點有較強的識別能力，效果很好，速度也很快。能夠普遍的應用於體育健身，娛樂互動，安防監控等場景。

不過對於倒立及多人複雜場景人體關鍵點的圖片，識別率還有提升的空間，但願後續進一步提升。

但願可以增長返回的內容選項，包括身體傾斜度，手臂、腿部與身體的夾角等。方便在實際應用中使用。