使用百度AI进行人体检测与属性识别

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



(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、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

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

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

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。

©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容