开车如果不知道“海燕系统”，恐怕你要被罚款罚到腿软了。

以往在电影中出现的场景，已经在“海燕系统”中实现了。“海燕系统”不仅能完成智能辨认抓拍，还能对采集来的大数据进行二次分析，识别出车辆的车标、细分车型、车身颜色、年检标、车摆物、是否系安全带等一系列细节信息。利用百度提供的API接口，我们可以搭建自己的“海燕系统”，本文先从利用车辆属性识别API，识别司机是否系安全带说起。

一．平台接入

此步骤比较简单，不多阐述。可参照之前文档：

https://ai.baidu.com/forum/topic/show/943028

二.分析接口文档

1. 接口API

https://ai.baidu.com/docs#/ImageClassify-API/29196fe3

   (1)接口描述

检测图片中所有车辆，返回每辆车的类型和坐标位置，可识别小汽车、卡车、巴士、摩托车、三轮车、自行车6大类车辆，并针对小汽车识别11种外观属性，包括：是否有车窗雨眉、是否有车顶架、副驾驶是否有人、驾驶位是否系安全带、遮阳板是否放下、车辆朝向等。

 (2)请求说明

需要用到的信息有：

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

Header格式：Content-Type：application/x-www-form-urlencoded

请求参数：

附：type字段说明

（3）返回示例

{'log_id': 8296612782826163523,
 'vehicle_info': [{'attributes': 
{'copilot': {'score': 0.9637151956558228},
 'copilot_belt': {'score': 0.2371468544006348},
'copilot_visor': {'score': 0.01172924041748047},
'direction': {'name': '正前方',
'score': 0.7401106357574463},
'driver_belt': {'score': 0.7797645330429077},
'driver_visor': {'score': 0.001996934413909912},
'in_car_item': {'score': 0.9681501984596252},
'rearview_item': {'score': 0.9463440775871277},
 'roof_rack': {'score': 0.08109265565872192},
 'skylight': {'score': 0.9997358918190002},
 'vehicle_type': {'name': '小汽车',
'score': 0.9998549222946167},
'window_rain_eyebrow': {'score': 0.0002390742301940918}},
'location': {'height': 386,
                                'left': 316,
                                'top': 153,
                                'width': 381}}],
 'vehicle_num': 1}

2.获取access_token

#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.decode("utf-8"))
token_key = token_info['access_token']
return token_key

三.识别结果

识别结果：

车辆个数： 1
是否系安全带： 0.7797645330429077

花费时长: 1.76 s

识别结果方面：可以看出，识别结果还是不错。识别出了驾驶位系了安全带，副驾驶位有人且未系安全带。

处理速度方面：处理时间1.76s，可以接受。

四.源码共享

# -*- coding: utf-8 -*-
#!/usr/bin/env python

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/rest/2.0/image-classify/v1/vehicle_attr' + '?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
    #识别车辆属性
    def detect(self, img_path):
        f = open(img_path, 'rb')
        strover = '识别结果：'
        img_str = base64.b64encode(f.read())
        params = {'image': img_str}
        tic = time.clock()
        rp_json = self.get_result(params)
        toc = time.clock()
#        pprint(rp_json)       
        vehicle_num = rp_json['vehicle_num']
        strover += '车辆个数：  {} \n '.format(vehicle_num)
        vehicle_info = rp_json['vehicle_info']
        strover += '是否系安全带：  {} \n '.format(vehicle_info[0]['attributes']['driver_belt']['score'])
        print(strover)
        print('花费时长: '+'%.2f'  %(toc - tic) +' s')

if __name__ == '__main__':
    recognizer = LandmarkRecognizer(api_key, secret_key)
    img = 'F:\paddle\s9.jpeg'
    recognizer.detect(img)

五.意见建议

       尝试了多张图片，总体识别准确率不高。由于拍摄场景的原因，距离远、车前玻璃反光、夜晚光线不好等造成图片模糊，均会影响识别效果，所以调用接口需要对抓拍图片进行筛选，建议API接口添加图片质量控制参数。