【使用攻略】【车辆分析】车辆分割
一、需求描述
如果是简单的将一张图片中的汽车轮廓给抠出来,形成一张透明背景汽车抠图,这个目前感觉还没有太大的运用空间,毕竟这一步好像仅仅代替了人工PS抠图,采取了自动抠图,抠图后的效果也不是很好(大部分图片不能直接拿来当效果图使用),不过如果在车辆分割的基础上,进行一定的升级改进,相信会有很大的应用价值的。
二、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)平台接入
目前处于邀测阶段,不能直接在控制台调用,可通过QQ群(659268104)联系群管、或提交工单申请开通测试权限。
(2)接口文档
文档地址:https://ai.baidu.com/docs#/ImageClassify-API/3e953ab4
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。
请求说明
返回说明
(3)源码共享
3.1-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; }
3.2-调用API接口获取识别结果
1、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 webRootPath = HostingEnvironment.WebRootPath;//wwwroot目录 app.UseStaticFiles(new StaticFileOptions { FileProvider = new PhysicalFileProvider( Path.Combine(webRootPath, "Uploads", "BaiduAIs")), RequestPath = "/BaiduAIs" });
2、 建立Index.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表单里面有四个控件:
一个Input:type="file",asp-for="FileUpload" ,上传图片用;
一个Input:type="submit",asp-page-handler="VehicleSeg" ,提交并返回识别结果。
一个img:src="@Model.curPath",显示需要识别的图片。
一个img:src="@Model.imgProcessPath",显示车辆分割后的前景抠图。
最后显示后台 msg 字符串列表信息,如果需要输出原始Html代码,则需要使用@Html.Raw()函数。
2.2 后台代码:
[BindProperty] public IFormFile FileUpload { get; set; } [BindProperty] public string ImageUrl { get; set; } private readonly IHostingEnvironment HostingEnvironment; public List msg = new List(); public string curPath { get; set; } public string imgProcessPath { get; set; } public ImageProcessModel(IHostingEnvironment hostingEnvironment) { HostingEnvironment = hostingEnvironment; } public async Task OnPostVehicleSegAsync() { if (FileUpload is null) { ModelState.AddModelError(string.Empty, "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 = GetImageJson(imgBase64, “你的API KEY”, “你的SECRET KEY”, "foreground"); JObject jo = (JObject)JsonConvert.DeserializeObject(result); try { string imageProcessBase64 = jo["foreground"].ToString(); msg.Add("车辆分割"); msg.Add("log_id:" + jo["log_id"].ToString()); string processImgName = Guid.NewGuid().ToString("N")+ ".png"; string imgSavedPath = Path.Combine(webRootPath, "Uploads//BaiduAIs//", processImgName); imgProcessPath = Path.Combine("BaiduAIs//", processImgName); await GetFileFromBase64(imageProcessBase64, imgSavedPath); } catch (Exception e) { msg.Add(result); } 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; } /// /// 文件base64解码 /// /// 文件base64编码 /// 生成文件路径 public static async Task GetFileFromBase64(string base64Str, string outPath) { var contents = Convert.FromBase64String(base64Str); using (var fs = new FileStream(outPath, FileMode.Create, FileAccess.Write)) { fs.Write(contents, 0, contents.Length); fs.Flush(); } } /// /// 图像识别Json字符串 /// /// 图片base64编码 /// API Key /// Secret Key /// public static string GetImageJson(string strbaser64, string clientId, string clientSecret, string type) { string token = GetAccessToken(clientId, clientSecret); string host = "https://aip.baidubce.com/rest/2.0/image-classify/v1/vehicle_seg?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)+"&type=" + type; 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; }
三、效果测试
1、页面:
2、识别结果:
2.1
2.2
2.3
2.4
四、产品建议
(1)需要改进的地方
1、车辆的轮廓边缘处理效果不太好,需要加强。
2、多辆车在一图时,如果能分别单独显示会更好。
3、车辆分割后的前景抠图图像大小有点大,需要优化。
(2)建议
1、自动补全功能
首先,关于前景抠图的轮廓处理,目前好像对其进行了一定的模糊处理,但是这种处理方法不是很好,如果能够使用AI的自动学习能力,根据输入的图片,搜索相似的车辆图片,然后对其进行自动补全操作,比如一辆车,它的一个轮胎被东西遮挡住了,如果单纯分割,分割后的图片中的车子是少一半轮胎的,这时候,如果能够结合AI学习技术,根据相似的车辆图片,对那缺失的一半轮胎进行修图补全,形成一个完整的车辆图片,那么,最后的抠图就有更大的价值了。
2、效果美化
对车辆图片进行补全后,若能够根据相似图,对抠图进行一定的美化功能(类似现在流行的美颜相机),那么美化后的抠图就是一张相当好的效果图,这样的话,就可以直接拿来当宣传图使用了。当然,美化训练,可以采取对大量的车辆图片进行打分,最后获取高分车辆图片,然后让AI学习如何将图像往高分图方向美化,这样美化后的图片就比较符合大众要求了。
3、多图录入,形成三维效果图
另外,如果能够实现对一辆车,进行前、后、左、右多方位拍图并输入系统,最后根据输入的图片,结合该车辆已存在的设计图等进行模拟计算,输出该车的三维效果图的话,运用前景就很大了。
3.1、结合百度AR技术,显示三维效果图
比如,可以结合百度AR技术,将车辆三维效果图显示到自己想要显示的地方,这样的话,不仅可以让汽车销售员直接出去推销车辆,在汽车销售介绍的时候,显示三维效果图让顾客能够全方向的了解车辆,还能让汽车爱好者收集自己喜欢的车辆,并跟车友们很好的进行分享交流。
3.2、结合3D打印技术,打印三维车辆模型
还可以结合3D打印技术,直接打印出车辆的模型。如果能够对一辆车进行多方位拍照,然后运用百度AI技术进行3D建模,使用3D打印技术直接打印出该车辆的模型,那是一件很了不起的事情。3D模型不仅可以当作小孩子们的玩具,也可以方便汽车爱好者们研究,还有利于汽车销售,让顾客有更加直观的了解。
利用容差抠图,都会存在这个问题
嗯,、如果车辆的颜色跟周围环境很类似的话,抠图效果就会差一些,有的地方不该去掉的也会被抠掉。
哦,我对3D打印技术具体不了解,只感觉很实用,内部结构图相信各大汽车厂家都是有的,难度就在于大家能不能共享数据了。
非小汽车的抠图效果还是差点意思
3D打印还是有难度,内部结构也要知道