【使用攻略】【车辆分割】

1.功能介绍：

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.平台接入

具体接入方式比较简单，可以参考我的另一个帖子，这里就不重复了：
http://ai.baidu.com/forum/topic/show/943327

3.调用攻略（Python3）及评测

3.1首先认证授权：

在开始调用任何API之前需要先进行认证授权，具体的说明请参考：

http://ai.baidu.com/docs#/Auth/top

具体Python3代码如下：

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

import urllib
import base64
import json
#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)
        token_key = token_info['access_token']
    return token_key

3.2车辆分割分析接口调用：

详细说明请参考： https://ai.baidu.com/docs#/ImageClassify-API/3e953ab4
API访问URL：https://aip.baidubce.com/rest/2.0/image-classify/v1/vehicle_seg

具体参数如下：

Python3调用代码如下：

#保存图片
def save_base_image(img_str,filename):
 img_data = base64.b64decode(img_str)
 with open(filename, 'wb') as f:
 f.write(img_data)

#车辆分割
#filename:原图片名（本地存储包括路径）；dehazedfilename:处理后的文件保存名称
def vehicle_seg(filename,resultfilename):
    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(filename, 'rb')
    img = base64.b64encode(f.read())
    
    params = dict()
    params['image'] = img
    params['type'] = 'foreground'
    params = urllib.parse.urlencode(params).encode("utf-8")
    #params = json.dumps(params).encode('utf-8')
    
    access_token = get_token()
    begin = time.perf_counter()
    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()
    end = time.perf_counter()

    print('处理时长:'+'%.2f'%(end-begin)+'秒')
    if content:
        #print(content)
        content=content.decode('utf-8')
        #print(content)
        data = json.loads(content)
        #print(data)
        img_str=data['foreground']
        save_base_image(img_str,resultfilename)

vehicle_seg('../img/vehicle2.jpg','../img/vehicle2_seg.jpg')

4.功能评测：
4.1 测试内容

以下测试图片都取自网络。

1，户外，一辆车：

2，户外，2辆车：

3，科幻创作的车：

4，室内站台上的1辆车：

5，破损车：

6，户外公路上，很多车：

7，户外公路上，很多车，复杂情况（车祸）：

8，打开车门：

4.2 测试结果分析
速度：包括图片上传下载，处理速度最快为1.06秒，最慢为5.49秒。主要和图片大小关系比较大，一般图片2秒左右都可以处理完毕。
效果：对于不同情况处理效果整体不错，在复杂的图片里，有部分边缘比较模糊。

5.测试结论及建议
通过测试可以发现，在各种情况下，百度车辆分割都比较准确，有很好的应用前景。
建议可以考虑针对以下一些内容进行优化或者开发：
1，有的分割图片边缘有点模糊有毛刺，最好能优化一下，更加锐利。
2，有的分割图片需要镂空（例如案例3）的地方，没有镂空，希望能优化一下。
3，最好能增加一些后处理参数，比如对图片边缘进行锐化，或者模糊处理等。
4，可以考虑增加返回车辆在原图片的位置和轮廓数据。

5，可以考虑增加返回每一辆车的选项，返回每一辆车的分割图。

6，可以考虑增加补全的选项，通过AI自动补全车辆被遮挡的部分轮廓。

5，6可以结合起来