【使用攻略】【车辆分割】
车辆分割可以提取图片中的车辆,进行后续二次分析,如在智能交通领域,提取车牌号、车型、车辆属性等。在娱乐领域,识别影视作品中的车辆区域,进行一键抠像、背景替换、车辆虚化等后期处理。
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/943162
二.分析接口文档
1.打开API文档页面,分析接口要求
https://ai.baidu.com/docs#/ImageClassify-API/3e953ab4
(1)接口描述
传入单帧图像,检测图像中的车辆,以小汽车为主,识别车辆的轮廓范围,与背景进行分离,返回分割后的二值图、灰度图、前景抠图,支持多个车辆、车门打开、后备箱打开、机盖打开、正面、侧面、背面等各种拍摄场景。
(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_seg
Header格式:Content-Type:application/x-www-form-urlencoded
Body中放置请求参数,参数详情如下:
注:返回的二值图像需要进行二次处理才可查看分割效果,示例代码如下;灰度图和前景人像图不用处理,直接解码保存图片即可。
Python:
{ import cv2 import numpy as np import base64 labelmap = base64.b64decode(res['labelmap']) # res为通过接口获取的返回json nparr = np.fromstring(labelmap, np.uint8) labelimg = cv2.imdecode(nparr, 1) # width, height为图片原始宽、高 labelimg = cv2.resize(labelimg, (width, height), interpolation=cv2.INTER_NEAREST) im_new = np.where(labelimg==1, 255, labelimg) cv2.imwrite('path/to/your/outputfile', im_new) }
(3)返回参数
返回示例
{ "log_id": 716033439, "labelmap": "xxxx", "scoremap": "xxxx", "foreground": "xxxx" }
2.获取access_token
# encoding:utf-8 import base64 import urllib import urllib2 ''' 车辆分割 ''' request_url = " https://aip.baidubce.com/rest/2.0/image-classify/v1/vehicle_seg " # 二进制方式打开图片文件 f = open('[本地文件]', 'rb') img = base64.b64encode(f.read()) params = {"image":img} params = urllib.urlencode(params) access_token = '[调用鉴权接口获取的token]' request_url = request_url + "?access_token=" + access_token request = urllib2.Request(url=request_url, data=params) request.add_header('Content-Type', 'application/x-www-form-urlencoded') response = urllib2.urlopen(request) content = response.read() if content: print content
三.识别结果
1.单车(背景颜色接近)
2.两车情况
3.多车情况
结论:无论是单车还是多车情况下,车辆分割效果均很好,处理无压力 。
四.源码共享
# -*- coding: utf-8 -*- #!/usr/bin/env python import urllib import urllib.parse import urllib.request import base64 import json import io from io import BytesIO import os from PIL import Image #client_id 为官网获取的AK, client_secret 为官网获取的SK client_id = '*******************' client_secret = '****************************' #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 # 读取图片 def get_file_content(filePath): with open(filePath, 'rb') as fp: return fp.read() #显示并保存图片 def save_image(img_str,filename): img_data = base64.b64decode(img_str) #显示检测结果图片 image = io.BytesIO(img_data) img = Image.open(image) img.show() with open(filename, 'wb') as f: f.write(img_data) #车辆分割 def vehicle_seg_fore(image_in,image_out): request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/vehicle_seg" # 二进制方式打开图片文件 f = open(image_in, 'rb') img = base64.b64encode(f.read()) params = dict() params['image'] = img params['type'] = 'foreground' params = urllib.parse.urlencode(params).encode("utf-8") access_token = get_token() request_url = request_url + "?access_token=" + access_token request = urllib.request.Request(url=request_url, data=params) request.add_header('Content-Type', 'application/x-www-form-urlencoded') response = urllib.request.urlopen(request) content = response.read() if content: #print(content) content=content.decode('utf-8') #print(content) data = json.loads(content) #print(data) img_str=data['foreground'] save_image(img_str,image_out) vehicle_seg_fore('s1.jpg','s1_out.png')
五.意见建议
1.一张图片存在多辆车的情况下可以单个提取,每辆车输出保存一张分割后的图片,便于后续对该车进行二次分析,如提取车牌号、车型、车辆属性等。
2.分割后的图片存在边缘毛刺,在黑色背景下比较明显,建议做边缘模糊处理。
抠图效果还是不错滴
后期处理很方便
新车、二手车的宣传应该用得上~