使用百度大脑EasyDL创建吸烟监控模型

作者：wangwei8638

EasyDL定制物体检测模型，可以检测出图片里面的所有目标物体名称、位置。适用于一张图片中要识别多个物体，物体计数等场景中。在各检测物体之间差异明显的情况下，训练数据每个标签仅需覆盖20-100张图片，训练时间可能需要30分钟以上。

由于之前在做人体属性识别时，发现对是否抽烟的属性测试不理想。帖子地址：https://ai.baidu.com/forum/topic/show/943252

与官方沟通，认为吸烟图片数据集少，训练不够导致识别率低，所以自己用EasyDL做了一个专门训练吸烟属性的模型，本文介绍简要流程。

一．创建模型

1.进入控制台，选择定制化物体检测。

https://ai.baidu.com/easydl/image

2.创建模型，如图示：

3.输入名称及描述

4.在侧边栏数据中心点击创建数据集，输入名称

5.点击数据标注/上传，选择刚创建的数据集，点击上传图片

6.标注图片。按图示可视化界面，只需3步即可完成图片标注，非常简洁。注意每次最多上传20张图片。

二．训练模型

在侧边栏模型中心点击训练模型，添加参与训练的标签，点击开始训练

三.校验模型

在侧边栏模型中心点击校验模型，上传用于测试的图片，右侧可以看到识别结果

四.发布模型

在侧边栏模型中心点击发布模型，输入服务名称及接口地址，点击提交申请，即可申请发布模型。

发布结果稍后可在我的模型中查看，差不多一个工作日就有结果。当然要得到预测准确的模型，需要不断的优化迭代，重新发布。

五.模型调用

1.单人检测

返回结果： {“log_id”:1125331439121144977,“results”:[{“location”:{“height”:56,“left”:184,“to
p”:77,“width”:44},“name”:“smoke”,“score”:0.9822428226470947}]}

2.多人检测

返回结果：

可以看出，两个抽烟的位置均标出smoke标签。

调用代码：

# -*- coding: utf-8 -*-
#!/usr/bin/env python
import urllib3
import certifi
import os
import requests
import base64
import json
from pprint import pprint
import time
#client_id 为官网获取的AK， client_secret 为官网获取的SK
api_key = '************'
secret_key = '*******************'

class LandmarkRecognizer(object):
    def __init__(self, api_key, secret_key):
        self.access_token = self._get_access_token(api_key=api_key, secret_key=secret_key)
        self.API_URL = 'https://aip.baidubce.com/rpc/2.0/ai_custom/v1/detection/ismoking' + '?access_token=' \
                      + self.access_token
    #获取token
    @staticmethod
    def _get_access_token(api_key, secret_key):
        api = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials' \
            '&client_id={}&client_secret={}'.format(api_key, secret_key)
        rp = requests.post(api)
        if rp.ok:
            rp_json = rp.json()
#            print(rp_json['access_token'])
            return rp_json['access_token']
        else:
            print('=> Error in get access token!')
    def get_result(self, params):
        rp = requests.post(self.API_URL, data=params)
        if rp.ok:
#            print('=> Success! got result: ')
            rp_json = rp.json()
#            pprint(rp_json)
            return rp_json
        else:
            print('=> Error! token invalid or network error!')
            print(rp.content)
            return None
    #识别人体吸烟属性
    def detect(self, img_path):
        #通过创建PoolManager进行证书验证
        http=urllib3.PoolManager(cert_reqs = 'CERT_REQUIRED',ca_certs = certifi.where()) 
        f = open(img_path, 'rb')
        access_token='24.1349658a1f8aecd61c3c74ef8755bc74.2592000.1558857660.282335-16115229'
        url='https://aip.baidubce.com/rpc/2.0/ai_custom/v1/detection/ismoking?access_token='+access_token
        strover = '识别结果：'
        img_str = base64.b64encode(f.read())
        #参数image：图像base64数据不需要urlencode
#        print(img_str)
        params={'image':''+str(img_str,'utf-8')+'','threshold':0.3}
        #对数据进行json序列化
        encoded_data = json.dumps(params).encode('utf-8')
#        print(encoded_data)
        request=http.request('POST', 
                      url,
                      body=encoded_data,
                      headers={'Content-Type':'application/json'})
#对返回的byte字节进行处理。Python3输出位串，而不是可读的字符串，需要进行转换
        result = str(request.data,'utf-8')
        print(result)

if __name__ == '__main__':
    recognizer = LandmarkRecognizer(api_key, secret_key)
    img = 'F:\paddle\smoke\s25.jpg'
    recognizer.detect(img)