百度AI攻略：人体关键点识别

1.功能描述：

检测图像中的人体并返回人体矩形框位置，精准定位21个核心关键点，包含头顶、五官、颈部、四肢主要关节部位，支持多人检测、大动做等复杂场景

2.平台接入

具体接入方式比较简单，能够参考个人另外一个帖子，这里就不重复了：

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

3.调用攻略（Python3）及评测

3.1首先认证受权：

在开始调用任何API以前须要先进行认证受权，具体的说明请参考：

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

具体Python3代码以下：

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

#!/usr/bin/env python

import urllib

import base64

import json

#client_id 为官网获取的AK， client_secret 为官网获取的SK

client_id =【百度云应用的AK】

client_secret =【百度云应用的SK】

#获取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人体关键点识别分析接口调用：

详细说明请参考： https://ai.baidu.com/docs#/Body-API/b717c300

说明的比较清晰，这里就不重复了。

你们须要注意的是：

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

图像数据，base64编码后进行urlencode，要求base64编码和urlencode后大小不超过4M。图片的base64编码是不包含图片头的，如(data:image/jpg;base64,)，支持图片格式：jpg、bmp、png，最短边至少50px，最长边最大4096px

Python3调用代码以下：

#画出人体识别结果

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")

 

#人体识别

#filename:原图片名（本地存储包括路径）

def body_analysis(filename,resultfilename,pointsize):

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

    print(filename)

    # 二进制方式打开图片文件

    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('处理时长:'+'%.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.功能评测：

选用不一样的数据对效果进行测试，具体效果以下（如下例子均来自网上）：

单人不一样姿态：

处理时长:0.49秒

person_num: 1

处理时长:0.46秒

person_num: 1

处理时长:0.39秒

person_num: 1

处理时长:0.44秒

person_num: 1

黑白照片：

处理时长:0.68秒

person_num: 1

多人照片：

多人复杂场景：

处理时长:0.81秒

person_num: 3

将海报内容误识别为人。不过海报的内容好像也是一张人脸的一部分。

最后再来一张多人各类动做都有的：

处理时长:0.59秒

person_num: 7

能够看到效果很是好，很是准确。

 

5.测试结论和建议

测试下来，总体识别效果不错。对于人体关键点有较强的识别能力，效果很好，速度也很快。能够普遍的应用于体育健身，娱乐互动，安防监控等场景。

不过对于倒立及多人复杂场景人体关键点的图片，识别率还有提升的空间，但愿后续进一步提升。

但愿可以增长返回的内容选项，包括身体倾斜度，手臂、腿部与身体的夹角等。方便在实际应用中使用。