python实现调取百度AI人脸检测接口并解析72个脸部特征点

2023-10-28 16:40
文章标签 python 实现 ai 接口 百度 检测 解析 特征 人脸 72 脸部 调取

本文主要是介绍python实现调取百度AI人脸检测接口并解析72个脸部特征点，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

元学习论文总结||小样本学习论文总结

2017-2019年计算机视觉顶会文章收录 AAAI2017-2019 CVPR2017-2019 ECCV2018 ICCV2017-2019 ICLR2017-2019 NIPS2017-2019

 

完整源码自 vieo.zhu@foxmail.com 申请

一：环境

python3.5

二：代码实现

# coding:utf-8
#
# BaiduFaceDetect
#
# 获取百度人脸检测接口信息返回
#
# 百度人脸检测文档：
# https://ai.baidu.com/docs#/Face-Detect-V3/top
#
# ==============================================================================import urllib3, base64
import urllib
import socket
from urllib.parse import urlencode
from urllib import request
import json
from diagnose_logging import Logger# 日志
log = Logger('baidu_detect.py')
logger = log.getlog()# face_field:人脸检测项目,详情参考百度人脸检测文档
face_field = 'landmark,gender,race,age,facetype,quality,glasses'  # 无空格def get_token():"""根据认证信息获取access_token.access_token的有效期为30天，切记需要每30天进行定期更换，或者每次请求都拉取新token；"""try:# 账号信息client_id = '***'client_secret = '***'host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s' % (client_id, client_secret)# HTTP请求,获取access_tokenreq = request.Request(host)req.add_header('Content-Type', 'application/json; charset=UTF-8')response = request.urlopen(req, timeout=1000)# 获得请求结果content = response.read()# 结果转化为字符content = bytes.decode(content)# 结果转化为字典content = eval(content[:-1])# 日志logger.info('get_token SUCCES: %s', content['access_token'])logger.info('get_token SUCCES')return content['access_token']except Exception as ee:logger.error(ee)except urllib.error.URLError as e:if isinstance(e.reason, socket.timeout):logger.error('get_token ERROR:TIME OUT')def get_baidu_result(rootPath):"""调取百度人脸检测，取得图像的分析结果.Args:rootPath：源图片地址Returns:result：字典类型,详情参考下文image_type:BASE64,FACE_TOKEN,URLFACE_TOKEN:图片上传，返回json结果中包含face_tokenparams={image,image_type,face_field}两种格式：params={'image':'f7ec8ecd441886371b9749d1fc853f44','image_type':'FACE_TOKEN','face_field':'age,beauty,faceshape,gender,glasses'}params={'image':'https://www.xsshome.cn/face.jpg','image_type':'URL','face_field':'age,beauty,faceshape,gender,glasses'}"""try:# api请求# access_token = get_token()  # 当access_token过期后再重新调取http = urllib3.PoolManager()url = 'https://aip.baidubce.com/rest/2.0/face/v3/detect?access_token=' + access_token# 图像读入，转二进制with open(rootPath, 'rb') as image:  # 图像为文件完整路径，而不是文件名# 转base64编码img = base64.b64encode(image.read())# 接口必要参数params = {'image': '' + str(img, 'utf-8') + '', 'image_type': 'BASE64','face_field': face_field}# 对base64数据进行urlencode解析，返回值为字符串params = urlencode(params)# 调取接口，检测图片try:req = http.request('POST',url,body=params,headers={'Content-Type': 'application/json'})except Exception as e:logger.error('get_request ERROR')logger.error(e)# 返回结果为byte字节，处理成可读的Unicode字符串，转换成字典req_data = json.loads(str(req.data, 'utf-8'))result = req_data# 日志logger.info('get_baiduApi: %s', result['error_msg'])# logger.info('get_api_result: %s', result)return resultexcept Exception as e:logger.error('baidu_result ERROR')logger.error(e)

二：解析72个人脸特征点

def get_faceList(baidu_result):"""对检测结果，解析出faceList并返回.{'age': 23, 'landmark72': [{'x': 167.3847198, 'y': 71.8085556}, ], 'race': {'probability': 0.9999984503, 'type': 'yellow'}, 'gender': {'probability': 0.9995638728, 'type': 'female'}, 'landmark': [{'x': 228.6446533, 'y': 100.6326599}, ], 'angle': {'pitch': 7.808499336, 'yaw': -7.641532898, 'roll': 16.28609276}, 'quality': {'occlusion': {'left_cheek': 0.01251564454, 'left_eye': 0.01948842965, 'mouth': 0, 'nose': 0, 'chin_contour': 0, 'right_eye': 0, 'right_cheek': 0.01564828679}, 'illumination': 213, 'blur': 1.894906276e-08, 'completeness': 1}, 'face_probability': 1, 'face_token': 'dbcee960bd59b0e12ffa5a579b7b2744', 'location': {'width': 196, 'height': 188, 'top': 48.5020256, 'rotation': 16, 'left': 174.3717194}, 'face_type': {'probability': 0.9740739465, 'type': 'human'}}"""try:result = baidu_result# 取得face_list,只有一个元素face_list = result['result']['face_list'][0]# 日志# logger.info('get_faceList')# logger.info('get_faceList: %s',face_list)return face_listexcept Exception as e:logger.error('get_faceList ERROR')logger.error(e)def get_landmark(baidu_result):"""传入rootPath,独立请求百度接口，返回特征点.Args:rootPath：源图片地址Returns:landmark：72对值的列表[{"x": 115.86531066895,"y": 170.0546875}，...]"""try:# 单独调取接口result = get_faceList(baidu_result)landmark = result['landmark72']# 日志# logger.info('get_landmark')return landmarkexcept Exception as e:logger.error('get_landmarkPath ERROR')logger.error(e)if __name__ == '__main__':# 测试上述方法rootPath = 'E:/face/0.jpg'# 计时import datetimeprint('start...')start_time = datetime.datetime.now()# api请求result = get_baidu_result(rootPath)# 结果解析get_faceList(result)get_landmark(result)end_time = datetime.datetime.now()time_consume = (end_time - start_time).microseconds / 1000000logger.info('start_time: %s', start_time)logger.info('end_time: %s', end_time)logger.info('time_consume: %s(s)', time_consume)  # 0.280654(s)logger.info('main finish')

三：diagnose_logging

import loggingclass Logger():def __init__(self, logName):# 创建一个loggerself.logger = logging.getLogger(logName)# 判断，如果logger.handlers列表为空，则添加，否则，直接去写日志,试图解决日志重复if not self.logger.handlers:self.logger.setLevel(logging.INFO)# 创建一个handler，用于写入日志文件fh = logging.FileHandler('log.log')fh.setLevel(logging.INFO)# 再创建一个handler，用于输出到控制台ch = logging.StreamHandler()ch.setLevel(logging.INFO)# 定义handler的输出格式formatter = logging.Formatter('%(levelname)s:%(asctime)s -%(name)s -%(message)s')fh.setFormatter(formatter)ch.setFormatter(formatter)# 给logger添加handler处理器self.logger.addHandler(fh)self.logger.addHandler(ch)def getlog(self):return self.logger

四：接口返回参数

# 百度人脸检测返回参数返回结果
字段	        必选	类型	    说明
face_num	是	int	    检测到的图片中的人脸数量
face_list	是	array	人脸信息列表，具体包含的参数参考下面的列表。
+face_token	是	string	人脸图片的唯一标识
+location	是	array	人脸在图片中的位置
++left	    是	double	人脸区域离左边界的距离
++top	    是	double	人脸区域离上边界的距离
++width	    是	double	人脸区域的宽度
++height	是	double	人脸区域的高度
++rotation	是	int64	人脸框相对于竖直方向的顺时针旋转角，[-180,180]
+face_probability	是	double	人脸置信度，范围[0~1]，代表这是一张人脸的概率，0最小、1最大。
+angel	    是	array	人脸旋转角度参数
++yaw	    是	double	三维旋转之左右旋转角[-90(左), 90(右)]
++pitch	    是	double	三维旋转之俯仰角度[-90(上), 90(下)]
++roll	    是	double	平面内旋转角[-180(逆时针), 180(顺时针)]
+age	    否	double	年龄 ，当face_field包含age时返回
+beauty	    否	int64	美丑打分，范围0-100，越大表示越美。当face_fields包含beauty时返回
+expression	否	array	表情，当 face_field包含expression时返回
++type	    否	string	none:不笑；smile:微笑；laugh:大笑
++probability 否	double	表情置信度，范围【0~1】，0最小、1最大。
+face_shape	否	array	脸型，当face_field包含faceshape时返回
++type	    否	double	square: 正方形 triangle:三角形 oval: 椭圆 heart: 心形 round: 圆形
++probability 否	double	置信度，范围【0~1】，代表这是人脸形状判断正确的概率，0最小、1最大。
+gender	    否	array	性别，face_field包含gender时返回
++type	    否	string	male:男性 female:女性
++probability	否	double	性别置信度，范围【0~1】，0代表概率最小、1代表最大。
+glasses	否	array	是否带眼镜，face_field包含glasses时返回
++type	    否	string	none:无眼镜，common:普通眼镜，sun:墨镜
++probability	否	double	眼镜置信度，范围【0~1】，0代表概率最小、1代表最大。
+race	    否	array	人种 face_field包含race时返回
++type	    否	string	yellow: 黄种人 white: 白种人 black:黑种人 arabs: 阿拉伯人
++probability	否	double	人种置信度，范围【0~1】，0代表概率最小、1代表最大。
+face_type	否	array	真实人脸/卡通人脸 face_field包含facetype时返回
++type	    否	string	human: 真实人脸 cartoon: 卡通人脸
++probability	否	double	人脸类型判断正确的置信度，范围【0~1】，0代表概率最小、1代表最大。
+landmark	否	array	4个关键点位置，左眼中心、右眼中心、鼻尖、嘴中心。face_field包含landmark时返回
+landmark72	否	array	72个特征点位置 face_field包含landmark时返回
+quality	否	array	人脸质量信息。face_field包含quality时返回
++occlusion	否	array	人脸各部分遮挡的概率，范围[0~1]，0表示完整，1表示不完整
+++left_eye	否	double	左眼遮挡比例，[0-1] ，1表示完全遮挡
+++right_eye	否	double	右眼遮挡比例，[0-1] ， 1表示完全遮挡
+++nose	    否	double	鼻子遮挡比例，[0-1] ， 1表示完全遮挡
+++mouth	否	double	嘴巴遮挡比例，[0-1] ， 1表示完全遮挡
+++left_cheek	否	double	左脸颊遮挡比例，[0-1] ， 1表示完全遮挡
+++right_cheek	否	double	右脸颊遮挡比例，[0-1] ， 1表示完全遮挡
+++chin	    否	double	下巴遮挡比例，，[0-1] ， 1表示完全遮挡
++blur	    否	double	人脸模糊程度，范围[0~1]，0表示清晰，1表示模糊
++illumination	否	double	取值范围在[0~255], 表示脸部区域的光照程度 越大表示光照越好
++completeness	否	int64	人脸完整度，0或1, 0为人脸溢出图像边界，1为人脸都在图像边界内

五：参数结构

# 返回结果结构"face_num": 1,
"error_msg" : 'SUCCESS'
"error_code" : 0
"result" :
{"face_list": [{"face_token": "35235asfas21421fakghktyfdgh68bio","location": {"left": 117,"top": 131,"width": 172,"height": 170,"ro tation": 4},"face_probability": 1,"angle" :{"yaw" : -0.34859421849251"pitch" 1.9135693311691"roll" :2.3033397197723}"landmark": [{"x": 161.74819946289,"y": 163.30244445801},...],"landmark72": [{"x": 115.86531066895,"y": 170.0546875}，...],"age": 29.298097610474,"beauty": 55.128883361816,"expression": {"type": "smile","probability" : 0.5543018579483},"gender": {"type": "male","probability": 0.99979132413864},"glasses": {"type": "sun","probability": 0.99999964237213},"race": {"type": "yellow","probability": 0.99999976158142},"face_shape": {"type": "triangle","probability": 0.5543018579483}"quality": {"occlusion": {"left_eye": 0,"right_eye": 0,"nose": 0,"mouth": 0,"left_cheek": 0.0064102564938366,"right_cheek": 0.0057411273010075,"chin": 0},"blur": 1.1886881756684e-10,"illumination": 141,"completeness": 1}}]
}

六：特征点图像

七：关于账号

注册：

https://login.bce.baidu.com/?account=&redirect=http%3A%2F%2Fconsole.bce.baidu.com%2F%3Ffromai%3D1#/aip/overview

client_id = API Key

client_secret = Secret Key

 

# 打赏鼓励请扫支付宝微信二维码O(∩_∩)O金额不限噢噢！如果有修改建议或者疑问请留言！

支付宝
微信支付

这篇关于python实现调取百度AI人脸检测接口并解析72个脸部特征点的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/294552。

相关文章

网页解析 lxml 库--实战

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库，完全使用 Python 语言编写，它对 XPath表达式提供了良好的支 持，因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块，该模块专门用来解析 HTML/XML 文档，下面来介绍一下 lxml 库
阅读更多...
Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya（不是本人，claude AI）在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容： 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用
阅读更多...
AI绘图怎么变现？想做点副业的小白必看！

AI绘图怎么变现？想做点副业的小白必看！

在科技飞速发展的今天，AI绘图作为一种新兴技术，不仅改变了艺术创作的方式，也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式，帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具，可以扫描下方，免费获取 定制服务：个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如，姓氏头像在电商平台上非常受欢迎，
阅读更多...
百度/小米/滴滴/京东，中台架构比较

百度/小米/滴滴/京东，中台架构比较

小米中台建设实践 01 小米的三大中台建设：业务+数据+技术 业务中台--从业务说起 在中台建设中，需要规范化的服务接口、一致整合化的数据、容器化的技术组件以及弹性的基础设施。并结合业务情况，判定是否真的需要中台。 小米参考了业界优秀的案例包括移动中台、数据中台、业务中台、技术中台等，再结合其业务发展历程及业务现状，整理了中台架构的核心方法论，一是企业如何共享服务，二是如何为业务提供便利。
阅读更多...
python: 多模块(.py)中全局变量的导入

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别： 当你在一个模块（文件）中使用 global 声明变量时，这个变量只在该模块的全局命名空
阅读更多...
从去中心化到智能化：Web3如何与AI共同塑造数字生态

从去中心化到智能化：Web3如何与AI共同塑造数字生态

在数字时代的演进中，Web3和人工智能（AI）正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术，正相互交织，共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界，并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展，它基于去中心化的区块链技术，旨在创建一个开放、透明且用户主导的数字生态。不同于传统
阅读更多...
hdu1043（八数码问题，广搜 + hash（实现状态压缩） ）

hdu1043（八数码问题，广搜 + hash（实现状态压缩） ）

利用康拓展开将一个排列映射成一个自然数，然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu
阅读更多...
AI一键生成 PPT

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人，是不是经常需要制作各种PPT来分享我的生活和想法。但是，你们知道，有时候灵感来了，时间却不够用了！😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手！🌟 什么是Kimi？ 一款月之暗面科技有限公司开发的AI办公工具，帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师，Kimi都能够为你的办公文
阅读更多...
Andrej Karpathy最新采访：认知核心模型10亿参数就够了，AI会打破教育不公的僵局

Andrej Karpathy最新采访：认知核心模型10亿参数就够了，AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人，AI大神Andrej Karpathy，曾是OpenAI联合创始人之一，特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ，宣布将长期致力于AI原生教育。 近日，Andrej Karpathy接受了No Priors（投资博客）的采访，与硅谷知名投资人 Sara Guo 和 Elad G
阅读更多...
综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动，这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升：减少抖动，提高图像的清晰度和细节表现力，使得监控画面更加真实可信。 - 细节增强：在低光条件下，抖
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2