| 百度智能云人体分析云服务-私有化部署方案接口调用指南 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
产品推荐： 1、安全稳定的云服务器租用，2核/2G/5M仅37元，点击抢购>>>； 2、高防物理服务器20核/16G/50M/500G防御仅350元，点击抢购>>> 3、百度智能建站（五合一网站）仅880元/年，点击抢购>>> 模板建站（PC+手机站）仅480元/年，点击抢购>>> 4、阿里云服务器2核2G3M仅99元/年、2核4G5M仅199元/年，新老同享，点击抢购>>> 5、腾讯云服务器2核2G4M仅99元/年、新老同享，点击抢购>>>
百度智能云人体分析云服务-私有化部署方案接口调用指南 Hi，您好，欢迎使用百度人体分析私有化部署产品。 人体分析私有化部署包部署成功后，即可获得与在线API基本完全相同的接口，相关接口将会启动，即可参考本文档开始调用测试。 人体分析的各个接口拆分为不同的私有部署包，人体关键点识别、人流量统计、人体检测、人体属性识别（单人版）、手势识别、人像分割、手部关键点识别、驾驶行为分析对应8个不同的部署包，方便选取所需能力灵活应用。 接口能力介绍1、人体关键点识别 检测图片中的所有人体，识别每个人体的21个主要关键点，包含四肢、脖颈、五官等部位，同时可输出人体的坐标信息。支持多人检测、人体位置重叠、遮挡、背面、侧面、中低空俯拍、大动作等复杂场景。
注：接口会返回人体坐标框和每个关键点的置信度分数，在应用时可综合置信度score分数，过滤掉置信度低的“无效人体”，推荐的过滤阈值在下文"接口调用说明"部分展开。 2、人体检测 检测图像中的所有人体，返回每个人体的矩形框位置；支持人体重叠、遮挡、截断、背面、侧面、动作变化等复杂场景。人体像素需大于60px * 60px。 3、人体属性识别（单人版） 输入单个人体的图片，识别人体的静态属性和行为，共支持28种属性。主要适用于中低空大角度斜拍视角，支持人体轻度重叠、轻度遮挡、背面、侧面等不同拍摄角度。
注：接口返回的属性信息包括人体的遮挡、截断情况，在应用时可基于此过滤掉“无效人体”，比如严重遮挡、严重截断的人体。 4、人流量统计 识别和统计图像当中的人体个数（静态统计，不支持追踪和去重）；支持框定多个不规则区域统计局部人数，同时可输出渲染图片。 适用于3米以上的中远距离俯拍，5米以上为佳，以头部为主要识别目标统计人数，无需正脸、全身照，适应各类人流密集场景。支持轻度畸变的鱼眼摄像头。 5、手势识别 识别图片中的手势类型，返回手势名称、手势矩形框、概率分数，可识别24种常见手势，适用于手势特效、智能家居手势交互等场景。
适用于3米以内的拍摄距离，1米内为佳，自拍和他人拍摄均支持，拍摄距离尽量近一些，否则手势目标太小，容易漏识别。 6、人像分割 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）。 美颜、P图等图片美化手段会影响分割效果，请使用原图进行分割。 7、手部关键点识别 检测图片中的手部，输出手部坐标框、21个骨节点的坐标信息。当前主要适用于图片中单个手部的情况，图片中同时存在多个手部时，识别效果可能欠佳。 8、驾驶行为分析 针对车载场景，识别驾驶员使用手机、抽烟、不系安全带、未佩戴口罩、闭眼、打哈欠、双手离开方向盘等动作姿态，分析预警危险驾驶行为，提升行车安全性。 接口格式说明变量类型定义
返回格式
{
"error_code" : 0, //错误码 0代表成功
"error_msg" : "SUCCESS", //错误信息
"result" : {...} //返回结果 具体内容详见相关接口
"log_id" : 3535325235 //请求的日志id
"timestamp" : 1512391548 //请求到达的时间戳 精确到秒级
"cached" : 0 //未启用 无需处理
}接口调用说明人体关键点识别检测图片中的所有人体，识别每个人体的21个主要关键点，包含四肢、脖颈、五官等部位，同时可输出人体的坐标信息。 21个关键点的位置：头顶、左耳、右耳、左眼、右眼、鼻子、左嘴角、右嘴角、脖子、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左髋部、右髋部、左膝、右膝、左脚踝、右脚踝。示意图如下：
调用接口的地址示例：[192.168.0.1]:8124/GeneralClassifyService/classify，其中ip需要替换为用户自己服务器的ip，端口默认为：8124 路径 /GeneralClassifyService/classify 请求参数
请求参数构造及python代码示例 请求参数为json格式，请求时请将Content-Type设置为application/json格式。 请求参数格式如下： { "data" : base64encode( { "image" : base64encode(binary image data) } ) }python代码示例如下： import base64 import json # 输入图片为/home/work/01.jpg image_file = "/home/work/01.jpg" # 将图片内容读取至image_data with open(image_file, 'rb') as f: image_data = f.read() data = { # 将image_data进行base64编码 "image": base64.b64encode(image_data) } request_body = { # 将data转为json，并进行base64编码 "data": base64.b64encode(json.dumps(data)) } # 最终应该传入http body的内容 print json.dumps(request_body)返回参数 接口返回人体坐标框和每个关键点的置信度分数，在应用时可综合置信度score分数，过滤掉置信度低的“无效人体”，建议过滤方法：当关键点得分大于0.2的个数大于3，且人体框的得分大于0.2时，才认为是有效人体。 实际应用中，可根据对误识别、漏识别的容忍程度，调整阈值过滤方案，灵活应用，比如对误识别容忍低的应用场景，人体框的得分阈值可以提到0.3甚至更高。
说明：body_parts，一共21个part，每个part包含x，y两个坐标，如果part被截断，则x、y坐标为part被截断的图片边界位置，part顺序以实际返回顺序为准。 返回示例 { "err_no": 0, "err_msg": "fg_human_service[status:succeed]", "result": { "person_num": 1, "person_info": [ { "body_parts": { "left_ankle":{ "score":0.868368387222290, "x":643.8750, "y":649.6250 }, "left_ear":{ "score":0.8685630559921265, "x":643.8750, "y":303.68750 }, "left_elbow":{ "score":0.8781360983848572, "x":677.6250, "y":413.3750 },"left_eye":{ "score":0.9187903404235840, "x":635.43750, "y":303.68750 }, "left_hip":{ "score":0.8074261546134949, "x":652.31250, "y":480.8750 }, "left_knee":{ "score":0.7978388071060181, "x":652.31250, "y":565.250 }, "left_mouth_corner":{ "score":0.8915061950683594, "x":635.43750, "y":320.56250 }, "left_shoulder":{ "score":0.8677763342857361, "x":660.750, "y":354.31250 }, "left_wrist":{ "score":0.8828375339508057, "x":702.93750, "y":464.0 }, "neck":{ "score":0.8687257170677185, "x":627.0, "y":337.43750 }, "nose":{ "score":0.9034447669982910, "x":627.0, "y":312.1250 }, "right_ankle":{ "score":0.8528900742530823, "x":610.1250, "y":649.6250 }, "right_ear":{ "score":0.8603078126907349, "x":610.1250, "y":303.68750 }, "right_elbow":{ "score":0.8440912961959839, "x":559.50, "y":413.3750 }, "right_eye":{ "score":0.8926745653152466, "x":618.56250, "y":303.68750 }, "right_hip":{ "score":0.7821152210235596, "x":601.68750, "y":480.8750 }, "right_knee":{ "score":0.7996079921722412, "x":610.1250, "y":573.68750 }, "right_mouth_corner":{ "score":0.8937355875968933, "x":618.56250, "y":320.56250 }, "right_shoulder":{ "score":0.8571984171867371, "x":584.81250, "y":354.31250 }, "right_wrist":{ "score":0.8279093503952026, "x":542.6250, "y":455.56250 }, "top_head":{ "score":0.8723988533020020, "x":627.0, "y":278.3750 } }, "location": { "height":449.7995910644531, "left":514.0347900390625, "score":0.9874296784400940, "top":256.1484069824219, "width":226.6530609130859 } } ] }, "format": "json", "img": "./data/img/normal_109.jpg" //这个字段为测试端新加，为方便核对图片结果，与服务端无关。 }错误返回值
错误码表
人体检测检测图像中的所有人体，返回每个人体的矩形框位置和置信度分数。人体目标需大于30px * 30px，否则模型会直接丢弃，无法检测到有效人体。 调用接口的地址示例：[192.168.0.1]:8125/GeneralClassifyService/classify，其中ip需要替换为用户自己服务器的ip，端口默认为：8125 路径 /GeneralClassifyService/classify 请求参数
请求参数构造及python代码示例 请求参数为json格式，请求时请将Content-Type设置为application/json格式。 请求参数格式如下： { "data" : base64encode( { "image" : base64encode(binary image data), "return_crop" : "0,1", } ) }python代码示例如下： import base64 import json # 输入图片为/home/work/01.jpg image_file = "/home/work/01.jpg" # 将图片内容读取至image_data with open(image_file, 'rb') as f: image_data = f.read() data = { # 将image_data进行base64编码 "image": base64.b64encode(image_data), "return_crop": 0, } request_body = { # 将data转为json，并进行base64编码 "data": base64.b64encode(json.dumps(data)) } # 最终应该传入http body的内容 print json.dumps(request_body)返回参数
正确返回值说明（返回参数为base64编码格式，将result字段base64解码后可得到以下内容）：
返回示例 {
"person_num": 3,
"det_res":
[
{
"classname":"person",
"crop":"",
"left": 1092,
"top": 594,
"width": 112,
"height": 200,
"probability": 0.6849,
"label":1
},
{
"classname":"person",
"crop":"",
"left": 1263,
"top": 281,
"width": 63,
"height": 130,
"probability": 0.5300,
"label":1
},
{
"classname":"person",
"crop":"",
"left": 969,
"top": 192,
"width": 71,
"height": 75,
"probability": 0.4311,
"label":1
}
]
}错误码表
人体属性识别（单人版）输入单个人体的图片，识别人体的静态属性和行为，共支持28种属性。 注：模型默认将输入的整张图片当作“1个人体”直接识别属性，需提前使用人体检测模型，将原图中的每个人体检测、裁剪出来，再调用本服务识别属性信息。 接口返回每个属性的置信度分数，在应用时可综合置信度score分数，过滤掉置信度低的属性。实际应用中，可根据对误识别、漏识别的容忍程度，调整阈值过滤方案，灵活应用。 调用接口的地址示例：[192.168.0.1]:8126/GeneralClassifyService/classify，其中ip需要替换为用户自己服务器的ip，端口默认为：8126 路径 /GeneralClassifyService/classify 请求参数
请求参数构造及python代码示例 请求参数为json格式，请求时请将Content-Type设置为application/json格式。 请求参数格式如下： { "data" : base64encode( { "image" : base64encode(binary image data), "type" : "gender,headwear,carrying_item,cellphone" } ) }python代码示例如下： import base64 import json # 输入图片为/home/work/01.jpg image_file = "/home/work/01.jpg" # 将图片内容读取至image_data with open(image_file, 'rb') as f: image_data = f.read() data = { # 将image_data进行base64编码 "image": base64.b64encode(image_data), "type": "gender,headwear,carrying_item,cellphone" } request_body = { # 将data转为json，并进行base64编码 "data": base64.b64encode(json.dumps(data)) } # 最终应该传入http body的内容 print json.dumps(request_body)type字段说明
返回参数
正确返回值说明（返回参数为base64编码格式，将result字段base64解码后可得到以下内容）：
说明：接口返回每个属性的置信度分数，在应用时可综合置信度score分数，过滤掉置信度低的属性。实际应用中，可根据对误识别、漏识别的容忍程度，调整阈值过滤方案，灵活应用。 返回示例 {
"person_num": 1,
"person_info":
[
{
"location":
{
"left": 0,
"top": 0,
"width": 200,
"height": 400
"score": 1.0
}
"attributes":
{
"gender":
{
"name": "男性",
"score": 0.937
}
"hair_length":
{
"name": "短发",
"score": 0.889
}
"lower_wear":
{
"name": "长裤",
"score": 0.925
}
"upper_wear":
{
"name": "短袖",
"score": 0.774
}
}
}
]
}错误码表
人流量统计识别和统计图像当中的人体个数（静态统计，不支持追踪和去重）。默认识别整图中的人数，支持指定多个不规则区域统计局部人数，同时可输出渲染图片（会增加接口延时）。 适用于3米以上的中远距离俯拍，5米以上为佳，以头部为主要识别目标统计人数，无需正脸、全身照，适应各类人流密集场景。支持轻度畸变的鱼眼摄像头。 渲染图示例如下：
调用接口的地址示例：[192.168.0.1]:8122/GeneralClassifyService/classify，其中ip需要替换为用户自己服务器的ip，端口默认为：8122 路径 /GeneralClassifyService/classify 请求参数
请求参数构造及python代码示例 请求参数为json格式，请求时请将Content-Type设置为application/json格式。 请求参数格式如下： { "data" : base64encode( { "image" : base64encode(binary image data) } ) }python代码示例如下： import base64 import json # 输入图片为/home/work/01.jpg image_file = "/home/work/01.jpg" # 将图片内容读取至image_data with open(image_file, 'rb') as f: image_data = f.read() data = { # 将image_data进行base64编码 "image": base64.b64encode(image_data) } request_body = { # 将data转为json，并进行base64编码 "data": base64.b64encode(json.dumps(data)) } # 最终应该传入http body的内容 print json.dumps(request_body)返回参数
正确返回值说明：（返回参数为base64编码格式，将result字段base64解码后可得到以下内容）
特别说明： 1）person_num固定返回，image只有当请求字段中"show"为true时候返回； 2） image 的内容是图片字节内容做byte64编码的string字符，拿到后反编码再按照字节写成文件即可； 返回示例 {"person_num": 86} // 请求时，show为0或者不传
{"person_num": 86, "image": "/9j/4AAoFS2P/9k="} // 请求时，show为1错误码表
手势识别识别图片中的手势类型，返回手势名称、手势矩形框、概率分数，可识别24种常见手势：拳头、OK、祈祷、作揖、作别、单手比心、点赞、Diss、我爱你、掌心向上、双手比心（3种）、数字（9种）、Rock、竖中指。每种手势的示例图参考：https://ai.baidu.com/ai-doc/BODY/4k3cpywrv 适用于3米以内的拍摄距离，1米内为佳，自拍和他人拍摄均支持，拍摄距离尽量近一些，否则手势目标太小，容易漏识别。 调用接口的地址示例：[192.168.0.1]:8120/GeneralClassifyService/classify，其中ip需要替换为用户自己服务器的ip，端口默认为：8120 路径 /GeneralClassifyService/classify 请求参数
请求参数构造及python代码示例 请求参数为json格式，请求时请将Content-Type设置为application/json格式。 请求参数格式如下： { "data" : base64encode( { "image" : base64encode(binary image data), } ) }python代码示例如下： import base64 import json # 输入图片为/home/work/01.jpg image_file = "/home/work/01.jpg" # 将图片内容读取至image_data with open(image_file, 'rb') as f: image_data = f.read() data = { # 将image_data进行base64编码 "image": base64.b64encode(image_data) } request_body = { # 将data转为json，并进行base64编码 "data": base64.b64encode(json.dumps(data)) } # 最终应该传入http body的内容 print json.dumps(request_body)返回参数
其中classname和label的对应关系如下表所示：
返回示例： { u'err_no': 0, u'err_msg': u'DetectionSsd[status:succeed]', u'result': '{ "object": [ { "classname":"Thumb_up", "height":145, "label":9, "left":453, "probability":0.5996769666671753, "top":563, "width":106 } ] }\n', u'format': u'json' }错误码表
手部关键点识别检测图片中的所有手部，返回每只手的坐标框、21个骨节点坐标信息。 当前接口主要适用于图片中单个手部的情况，图片中同时存在多个手部时，识别效果可能欠佳。 21个关键点对应位置示意图：
调用接口的地址示例：[192.168.0.1]:8128/GeneralClassifyService/classify，其中ip需要替换为用户自己服务器的ip，端口默认为：8128 路径 /GeneralClassifyService/classify 请求参数
请求参数构造及python代码示例 请求参数为json格式，请求时请将Content-Type设置为application/json格式。 请求参数格式如下： { "data" : base64encode( { "image" : base64encode(binary image data), } ) }python代码示例如下： import base64 import json # 输入图片为/home/work/01.jpg image_file = "/home/work/01.jpg" # 将图片内容读取至image_data with open(image_file, 'rb') as f: image_data = f.read() data = { # 将image_data进行base64编码 "image": base64.b64encode(image_data) } request_body = { # 将data转为json，并进行base64编码 "data": base64.b64encode(json.dumps(data)) } # 最终应该传入http body的内容 print json.dumps(request_body)返回参数
正确返回值说明：（返回参数为base64编码格式，将result字段base64解码后可得到以下内容）
返回示例 {
"hand_num": 1,
"hand_info": [
{
"hand_parts": {
"0": {
"y": 707,
"x": 829,
"score": 0.81601244211197
},
"1": {
"y": 620,
"x": 873,
"score": 0.6850221157074
},
……
"20": {
"y": 325,
"x": 567,
"score": 0.91110396385193
}
},
"location": {
"height": 556,
"width": 426,
"top": 151,
"score": 17.495880126953,
"left": 567
}
}
]
}错误码表
人像分割识别人体的轮廓范围，与背景进行分离，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）。分割效果示例图请参考：https://ai.baidu.com/ai-doc/BODY/Fk3cpyxua 美颜、P图等图片美化手段会影响分割效果，请使用原图进行分割。 调用接口的地址示例：[192.168.0.1]:8127/GeneralClassifyService/classify，其中ip需要替换为用户自己服务器的ip，端口默认为：8127 路径 /GeneralClassifyService/classify 请求参数
请求参数构造及python代码示例 请求参数为json格式，请求时请将Content-Type设置为application/json格式。 请求参数格式如下： { "data": base64.b64encode(data) }python 2.x 代码示例如下： import base64 import json
def encode_img_to_file(image_data): img_encode = cv2.imencode('.png', image_data)[1] data_encode = np.array(img_encode)
str_encode = data_encode.tostring()
return str_encode
file = "test.jpg" image = cv2.imread(file, -1)
img_data = encode_img_to_file(image)
proto_data.image = img_data
data = proto_data.SerializeToString()
data = { # 将图片进行json编码 "data": base64.b64encode(image_string) } # 将数据转为json字符串
request_body = json.dump(data)
# 最终应该传入http body的内容
print json.dumps(request_body)python 3.x 代码示例下载地址： https://ai.baidu.com/file/8044251026DB40619E8C8E77AB4152A5 返回参数
返回示例 {
"err_no": 0,
"err_msg": "ParseService[status:succeed]",
"result":
{
"labelmap": "",
"scoremap": "",
"type":"person",
"foreground": ""
},
"format": "json"
}错误码表
驾驶行为分析针对车内驾驶室监控画面，识别图像中是否有人体，若检测到至少1个人体，将目标最大的人体作为驾驶员，进一步识别驾驶员的属性行为，可识别使用手机、抽烟、未系安全带、双手离开方向盘、视线未朝前方、未佩戴口罩、闭眼、打哈欠、低头9种典型行为姿态。 注：若图像中检测到多个大小相当的人体，默认取画面中右侧最大的人体作为驾驶员；针对香港、海外地区的右舵车，可通过请求参数里的wheel_location字段，指定将左侧最大的人体作为驾驶员。 图片质量要求：
调用接口的地址示例：[192.168.0.1]:8132/GeneralClassifyService/classify，其中ip需要替换为用户自己服务器的ip，端口默认为：8132 路径 /GeneralClassifyService/classify 请求参数
请求参数构造及python代码示例 请求参数为json格式，请求时请将Content-Type设置为application/json格式。 请求参数格式如下： { "data" : base64encode( { "image" : base64encode(binary image data), "type" : "smoke,cellphone" } ) }python代码示例如下： import base64 import json # 输入图片为/home/work/01.jpg image_file = "/home/work/01.jpg" # 将图片内容读取至image_data with open(image_file, 'rb') as f: image_data = f.read() data = { # 将image_data进行base64编码 "image": base64.b64encode(image_data), "type": "smoke,cellphone" } request_body = { # 将data转为json，并进行base64编码 "data": base64.b64encode(json.dumps(data)) } # 最终应该传入http body的内容 print json.dumps(request_body)返回参数
正确返回值说明（返回参数为base64编码格式，将result字段base64解码后可得到以下内容）：
说明：接口返回每个属性的置信度分数，在应用时可综合置信度score分数，过滤掉置信度低的属性。实际应用中，可根据对误识别、漏识别的容忍程度，调整阈值过滤方案，灵活应用。 返回示例 {
"person_num": 1,
"person_info":
[
{
"location":
{
"left": 0,
"top": 0,
"width": 200,
"height": 400
"score": 1.0
}
"attributes":
{
"gender":
{
"name": "男性",
"score": 0.937
}
"hair_length":
{
"name": "短发",
"score": 0.889
}
"lower_wear":
{
"name": "长裤",
"score": 0.925
}
"upper_wear":
{
"name": "短袖",
"score": 0.774
}
}
}
]
}错误码表
|
工信部ICP备案号：湘ICP备2022009064号-1
湘公网安备 43019002001723号
统一社会信用代码：91430100MA7AWBEL41
《增值电信业务经营许可证》B1-20160477