百度大脑体检测与属性识别使用攻略

作者:让天涯

一、功能介绍

对于输入的一张图片(可正常解码,且长宽比适宜),检测图像中的所有人体并返回每个人体的矩形框位置,识别人体的静态属性和行为,共支持20余种属性,包括:性别、年龄阶段、衣着(含类别/颜色)、是否戴帽子、是否戴眼镜、是否背包、是否使用手机、身体朝向等。

主要适用于监控场景的中低空斜拍视角,支持人体轻度重叠、轻度遮挡、背面、侧面、动作变化等复杂场景。

摄像头硬件选型无特殊要求,分辨率建议720p以上,更低分辨率的图片也能识别,只是效果可能有差异。暂不适用夜间红外监控图片,后续会考虑扩展。

二、应用场景

1、安防监控
识别人体的性别年龄、衣着外观等特征,辅助定位追踪特定人员;监测预警各类危险、违规行为(如公共场所跑跳、抽烟),减少安全隐。

2、智能零售
商场、门店等线下零售场景,识别入店及路过客群的属性信息,收集消费者画像,辅助精准营销、个性化推荐、门店选址、流行趋势分析等应用。

3、线下广告投放
楼宇、户外等广告屏智能化升级,采集人体信息,分析人群属性,定向投放广告物料,提升用户体验和商业效率。

三、使用攻略

说明:本文采用C# 语言,开发环境为.Net Core 2.1,采用在线API接口方式实现。

(1)、登陆 百度智能云-管理中心 创建 “人体分析”应用,获取 “API Key ”和 “Secret Key” :https://console.bce.baidu.com/ai/?_=1561441540695&fromai=1#/ai/body/overview/index
在这里插入图片描述
在这里插入图片描述
(2)、根据 API Key 和 Secret Key 获取 AccessToken。

    ///


    /// 获取百度access_token
    ///
    /// API Key
    /// Secret Key
    ///
    public static string GetAccessToken(string clientId, string clientSecret)
    {
        string authHost = "https://aip.baidubce.com/oauth/2.0/token";
        HttpClient client = new HttpClient();
        List> paraList = new List>();
        paraList.Add(new KeyValuePair("grant_type", "client_credentials"));
        paraList.Add(new KeyValuePair("client_id", clientId));
        paraList.Add(new KeyValuePair("client_secret", clientSecret));


        HttpResponseMessage response = client.PostAsync(authHost, new FormUrlEncodedContent(paraList)).Result;
        string result = response.Content.ReadAsStringAsync().Result;
       JObject jo = (JObject)JsonConvert.DeserializeObject(result);

      string token = jo["access_token"].ToString();
      return token;
    }

(3)、调用API接口获取识别结果

1、在Startup.cs 文件 的 Configure(IApplicationBuilder app, IHostingEnvironment env) 方法中开启虚拟目录映射功能:

        string webRootPath = HostingEnvironment.WebRootPath;//wwwroot目录

        app.UseStaticFiles(new StaticFileOptions
        {
            FileProvider = new PhysicalFileProvider(
                Path.Combine(webRootPath, "Uploads", "BaiduAIs")),
            RequestPath = "/BaiduAIs"
        });

2、 建立BodySearch.cshtml文件

2.1 前台代码:
由于html代码无法原生显示,只能简单说明一下:

主要是一个form表单,需要设置属性enctype="multipart/form-data",否则无法上传图片;

form表单里面有两个控件:

一个Input:type="file",asp-for="FileUpload" ,上传图片用;

一个Input:type="submit",asp-page-handler="BodyAttr" ,提交并返回识别结果。

一个img:src="@Model.curPath",显示识别的图片。

最后显示后台 msg 字符串列表信息。

2.2 后台代码:


    [BindProperty]
    public IFormFile FileUpload { get; set; }
    private readonly IHostingEnvironment HostingEnvironment;
    public List msg = new List();
    public string curPath { get; set; }

    public BodySearchModel(IHostingEnvironment hostingEnvironment)
    {
        HostingEnvironment = hostingEnvironment;
    }


    public async Task OnPostBodyAttrAsync()
    {
        if (FileUpload is null)
        {
            ModelState.AddModelError(string.Empty, "请先选择本地图片!");
        }
        if (!ModelState.IsValid)
        {
            return Page();
        }
        msg = new List();

        string webRootPath = HostingEnvironment.WebRootPath;//wwwroot目录
        string fileDir = Path.Combine(webRootPath, "Uploads//BaiduAIs//");
        string imgName = await UploadFile(FileUpload, fileDir);

        string fileName = Path.Combine(fileDir, imgName);
        string imgBase64 = GetFileBase64(fileName);
        curPath = Path.Combine("/BaiduAIs/", imgName);//需在Startup.cs 文件 的 Configure(IApplicationBuilder app, IHostingEnvironment env)方法中开启虚拟目录映射功能

        string result = GetBodyeJson(imgBase64, “你的API KEY”, “你的SECRET KEY”);
        JObject jo = (JObject)JsonConvert.DeserializeObject(result);

        List msgList = jo["person_info"].ToList();
        int number = int.Parse(jo["person_num"].ToString());
        int curNumber = 1;
        msg.Add("人数:" + number);
        foreach (JToken ms in msgList)
        {
            if (number > 1)
            {
                msg.Add("第 " + (curNumber++).ToString() + " 人:");
            }
            msg.Add("性别:" + ms["attributes"]["gender"]["name"].ToString());
            msg.Add("年龄:" + ms["attributes"]["age"]["name"].ToString());
            msg.Add("身体朝向:" + ms["attributes"]["orientation"]["name"].ToString());
            msg.Add("下半身服饰:" + ms["attributes"]["lower_wear"]["name"].ToString());
            msg.Add("下半身衣着颜色:" + ms["attributes"]["lower_color"]["name"].ToString());
            msg.Add("上半身服饰:" + ms["attributes"]["lower_wear"]["name"].ToString());
            msg.Add("上半身衣着颜色:" + ms["attributes"]["upper_color"]["name"].ToString());
            msg.Add("上身服饰分类:" + ms["attributes"]["upper_wear"]["name"].ToString());
            msg.Add("上身服饰纹理:" + ms["attributes"]["upper_wear_texture"]["name"].ToString());
            msg.Add("是否戴眼镜:" + ms["attributes"]["glasses"]["name"].ToString());
            msg.Add("是否戴帽子:" + ms["attributes"]["headwear"]["name"].ToString());
            msg.Add("是否吸烟:" + ms["attributes"]["smoke"]["name"].ToString());
            msg.Add("交通工具:" + ms["attributes"]["vehicle"]["name"].ToString());
            msg.Add("使用手机:" + ms["attributes"]["cellphone"]["name"].ToString());
            msg.Add("是否撑伞:" + ms["attributes"]["umbrella"]["name"].ToString());
            msg.Add("背包:" + ms["attributes"]["bag"]["name"].ToString());
        }
        return Page();
    }

    ///


    /// 上传文件,返回文件名
    ///
    /// 文件上传控件
    /// 文件绝对路径
    ///
    public static async Task UploadFile(IFormFile formFile, string fileDir)
    {
        if (!Directory.Exists(fileDir))
        {
            Directory.CreateDirectory(fileDir);
        }
        string extension = Path.GetExtension(formFile.FileName);
        string imgName = Guid.NewGuid().ToString("N") + extension;
        var filePath = Path.Combine(fileDir, imgName);


        using (var fileStream = new FileStream(filePath, FileMode.Create, FileAccess.Write))
        {
            await formFile.CopyToAsync(fileStream);
        }

        return imgName;
    }

    ///


    /// 返回图片的base64编码
    ///
    /// 文件绝对路径名称
    ///
    public static String GetFileBase64(string fileName)
    {
        FileStream filestream = new FileStream(fileName, FileMode.Open);
        byte[] arr = new byte[filestream.Length];
        filestream.Read(arr, 0, (int)filestream.Length);
        string baser64 =  Convert.ToBase64String(arr);
        filestream.Close();
        return baser64;
    }



    ///


    /// 人体检测Json字符串
    ///
    /// 图片base64编码
    /// API Key
    /// Secret Key
    ///
    public static string GetBodyeJson(string strbaser64, string clientId, string clientSecret)
    {
        string token = GetAccessToken(clientId, clientSecret);
        string host = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_attr?access_token=" + token;
        Encoding encoding = Encoding.Default;
        HttpWebRequest request = (HttpWebRequest)WebRequest.Create(host);
        request.Method = "post";
        request.KeepAlive = true;
        string str = "image=" + HttpUtility.UrlEncode(strbaser64);
        byte[] buffer = encoding.GetBytes(str);
        request.ContentLength = buffer.Length;
        request.GetRequestStream().Write(buffer, 0, buffer.Length);
        HttpWebResponse response = (HttpWebResponse)request.GetResponse();
        StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.Default);
        string result = reader.ReadToEnd();
        return result;
    }

四、效果测试

1、页面:

2、识别结果:

2.1
在这里插入图片描述
完整识别结果:
人数:2

第 1 人:

性别:女性

年龄:青年

身体朝向:正面

下半身服饰:长裙

下半身衣着颜色:蓝

上半身服饰:长裙

上半身衣着颜色:白

上身服饰分类:短袖

上身服饰纹理:纯色

是否戴眼镜:戴眼镜

是否戴帽子:无帽

是否吸烟:未吸烟

交通工具:无交通工具

使用手机:未使用手机

是否撑伞:未打伞

背包:无背包

第 2 人:

性别:女性

年龄:青年

身体朝向:正面

下半身服饰:不确定

下半身衣着颜色:不确定

上半身服饰:不确定

上半身衣着颜色:黑

上身服饰分类:短袖

上身服饰纹理:纯色

是否戴眼镜:无眼镜

是否戴帽子:无帽

是否吸烟:未吸烟

交通工具:无交通工具

使用手机:未使用手机

是否撑伞:未打伞

背包:无背包

2.2
在这里插入图片描述
完整识别结果:
人数:1

性别:男性

年龄:青年

身体朝向:正面

下半身服饰:不确定

下半身衣着颜色:黑

上半身服饰:不确定

上半身衣着颜色:绿

上身服饰分类:长袖

上身服饰纹理:纯色

是否戴眼镜:无眼镜

是否戴帽子:无帽

是否吸烟:未吸烟

交通工具:无交通工具

使用手机:未使用手机

是否撑伞:未打伞

背包:无背包
2.3

在这里插入图片描述
完整识别结果:

人数:1

性别:男性

年龄:青年

身体朝向:正面

下半身服饰:长裤

下半身衣着颜色:黑

上半身服饰:长裤

上半身衣着颜色:灰

上身服饰分类:长袖

上身服饰纹理:纯色

是否戴眼镜:无眼镜

是否戴帽子:无帽

是否吸烟:未吸烟

交通工具:无交通工具

使用手机:未使用手机

是否撑伞:未打伞

背包:无背包

根据识别结果可以看出,该接口对于性别、服饰、服饰类型、颜色等的识别比较准确,但是对于是否吸烟、是否戴眼镜等识别就比较差了,还需要再改进。

发布了4 篇原创文章 · 获赞 1 · 访问量 2万+
展开阅读全文

没有更多推荐了,返回首页

分享到微信朋友圈

×

扫一扫,手机浏览