百度大脑人像分割技术，足不出户带您去旅行

百度大脑

于 2019-11-07 12:28:18 发布

阅读量2.2k

点赞数

原文链接：http://ai.baidu.com/forum/topic/show/943365

版权

作者：才能我浪费99

1.需求描述：
我想去桂林呀我想去桂林
可是有时间的时候我却没有钱
我想去桂林呀我想去桂林
可是有了钱的时候我却没时间

能不能让AI带我们去旅游呢？人像分割识别图像中的人体轮廓，与背景进行分离，再与背景图结合就能实现身在Office，也能留下旅游胜地的形象了吧。说干就干，代码奉上。

2.平台接入
人像分割接入网址：https://console.bce.baidu.com/ai/?fromai=1#/ai/body/overview/index

3.调用攻略（Python3）及评测

3.1首先认证授权：

在开始调用任何API之前需要先进行认证授权，具体的说明请参考：

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

具体Python3代码如下：

# -*- 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人像分割分析接口调用：
详细说明请参考：http://ai.baidu.com/docs#/Body-API/6fe80662

接口描述
对于输入的一张图片（可正常解码，且长宽比适宜），识别人体的轮廓范围，与背景进行分离，适用于拍照背景替换、照片合成、身体特效等场景。输入正常人像图片，返回分割后的二值结果图、灰度图、透明背景的人像图（png格式）。

请求说明

HTTP 方法：POST

请求URL：https://aip.baidubce.com/rest/2.0/image-classify/v1/body_seg

URL参数：

参数值
access_token 通过API Key和Secret Key获取的access_token，参考”Access Token获取”
Header如下：

参数值
Content-Type application/x-www-form-urlencoded
Body中放置请求参数，参数详情如下：
在这里插入图片描述
返回说明

Python3调用代码如下：

#保存图片
def save_base_image(img_str,filename):
    img_data = base64.b64decode(img_str)
    with open(filename, 'wb') as f:
          f.write(img_data)

     
#人像分割
#filename:原图片名（本地存储包括路径）；resultfilename:处理后的文件保存名称(每个人打标)
#filename:原图片名（本地存储包括路径）；dehazedfilename:处理后的文件保存名称
def body_seg_fore(filename,resultfilename):
    request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_seg"
    
    # 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['type'] = 'foreground'
    params = urllib.parse.urlencode(params).encode("utf-8")
    #params = json.dumps(params).encode('utf-8')
    
    access_token = get_token()
    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()
    if content:
        #print(content)
        content=content.decode('utf-8')
        #print(content)
        data = json.loads(content)
        #print(data)
        img_str=data['foreground']
        save_base_image(img_str,resultfilename)

3.3.功能评测：
选用不同的数据对图片流量统计动态版的效果进行测试，具体效果如下：
在这里插入图片描述

可能是因为有透明通道的原因，这张图看着有点怪，不过在PC上看还是很清晰的。针对不同场景进行测试，总体来看还是很快速、准确的。。

4.应用方案：

为实现照片与旅游圣地组合，代码如下：

#保存图片
def save_base_image(img_str,filename):
    img_data = base64.b64decode(img_str)
    with open(filename, 'wb') as f:
          f.write(img_data)

     
#人像分割
#filename:原图片名（本地存储包括路径）；dehazedfilename:处理后的文件保存名称
def body_seg_fore(filename,resultfilename):
    request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_seg"
    
    # 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['type'] = 'foreground'
    params = urllib.parse.urlencode(params).encode("utf-8")
    #params = json.dumps(params).encode('utf-8')
    
    access_token = get_token()
    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()
    if content:
        #print(content)
        content=content.decode('utf-8')
        #print(content)
        data = json.loads(content)
        #print(data)
        img_str=data['foreground']
        save_base_image(img_str,resultfilename)
        
#图片整合
#foreimage：前景照片，baseimage：景区照片,outputimage：数据结果,rate：前景照片缩放比例
def combine_image(foreimage,baseimage,outputimage,rate):
    from PIL import Image
    base_img = Image.open(baseimage)
    BL, BH = base_img.size
    #读取要粘贴的图片 RGBA模式    
    #当需要将一张有透明部分的图片粘贴到一张底片上时，如果用Python处理，可能会用到PIL，
    #但是PIL中 有说明，在粘贴RGBA模式的图片是，alpha通道不会被帖上，也就是不会有透明的效果，
    #当然也给出了解决方法，就是粘贴的时候，将RGBA的的alpha通道提取出来做为mask传入。
    fore_image = Image.open(foreimage)
    L, H = fore_image.size
    #缩放
    fore_image = fore_image.resize((int(L * rate), int(H * rate)))
    L, H = fore_image.size
    #分离通道    
    r,g,b,a = fore_image.split()    #粘贴
    
    box=(int(BL/2-L/2), BH-H, int(BL/2+L/2) ,BH)
    
    base_img.paste(fore_image,box,mask = a)
    base_img.save(outputimage)  # 保存图片
    
#输出程序
def travel_image(originimage,baseimage,outputimage,rate):
    body_seg_fore(originimage,'seg_'+originimage)
    combine_image('seg_'+originimage,baseimage,outputimage,rate)

#travel_image('crowd1.jpg','grassland.jpg','crowd1_grassland.png',0.35)
travel_image('single.jpg','tower.jpg','single_tower.png',0.45)