【Java】人流量统计-动态版之摄像头识别显示
756665228 发布于2018-11-09 08:57 浏览:3371 回复:16
3
收藏
最后编辑于2019-09-06

【Java】人流量统计-动态版之视频转图识别请访问 http://ai.baidu.com/forum/topic/show/940413

本文是基于上一篇进行迭代的。本文主要是以摄像头画面进行人流量统计。并对返回图像进行展示。需要额外了解JavaCV OpenCV swing awt等 

也许JavaCV OpenCV  不需要也可以实现效果。但是小帅丶就先用这样的方式实现了。别的方式大家就自己尝试吧

项目代码地址 https://gitee.com/xshuai/bodyTrack

  • 注意的问题
1.动态识别的area参数为矩阵的4个顶点的xy坐标(即像素) 顺序是 上左下右 也就是顺时针一圈4个点的坐标点
2.case_id为int 请不要给大于int范围的值。或非int类型的值 即正整数就行 
3.area的值不要大于图片本身的宽高
  • 需要用到的jar 通过maven引入(下载的jar较多。需要等待较长时间)
https://gitee.com/xshuai/bodyTrack/blob/master/pom.xml 
自行查看项目POM文件吧。社区对xml html标签进行了解析导致丢失了
  •  需要用到的Java工具类
HttpUtil https://ai.baidu.com/file/544D677F5D4E4F17B4122FBD60DB82B3
  • 调用接口示例代码(需要自己的电脑有摄像头哦)
import java.awt.image.BufferedImage;
import java.awt.image.DataBufferByte;
import java.awt.image.WritableRaster;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.FileOutputStream;
import java.io.OutputStream;
import java.net.URLEncoder;
import java.util.Base64;
import java.util.Base64.Decoder;
import java.util.Base64.Encoder;

import javax.imageio.ImageIO;
import javax.swing.JFrame;

import org.bytedeco.javacpp.BytePointer;
import org.bytedeco.javacpp.opencv_core.IplImage;
import org.bytedeco.javacv.CanvasFrame;
import org.bytedeco.javacv.Frame;
import org.bytedeco.javacv.Java2DFrameConverter;
import org.bytedeco.javacv.OpenCVFrameConverter;
import org.bytedeco.javacv.OpenCVFrameConverter.ToIplImage;
import org.bytedeco.javacv.OpenCVFrameGrabber;

import com.alibaba.fastjson.JSONObject;

import cn.xsshome.body.util.HttpUtil;
/**
 * 获取摄像头画面进行处理并回显图片在画面中
 * 人流量统计(动态版)JavaAPI示例代码
 * @author 小帅丶
 *
 */
public class JavavcCameraTest {
	
	static OpenCVFrameConverter.ToIplImage converter = new OpenCVFrameConverter.ToIplImage();
	//人流量统计(动态版)接口地址
	private static String BODY_TRACKING_URL="https://aip.baidubce.com/rest/2.0/image-classify/v1/body_tracking";
	
	private static String ACCESS_TOKEN ="";//接口的token
	/**
	 * 每个case的初始化信号,为true时对该case下的跟踪算法进行初始化,为false时重载该case的跟踪状态。当为false且读取不到相应case的信息时,直接重新初始化
	 * caseId=0 第一次请求  case_init=true  caseId>0 非第一次请求  case_init=false
	 */
	static int caseId = 0;
	public static void main(String[] args) throws Exception,
			InterruptedException {
		OpenCVFrameGrabber grabber = new OpenCVFrameGrabber(0);
		grabber.start(); // 开始获取摄像头数据
		CanvasFrame canvas = new CanvasFrame("人流量实时统计");// 新建一个窗口
		canvas.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
		canvas.setAlwaysOnTop(true);
		int ex = 0;
		while (true) {
			if (!canvas.isDisplayable()) {// 窗口是否关闭
				grabber.stop();// 停止抓取
				System.exit(2);// 退出
				grabber.close();
			}
			// canvas.showImage(grabber.grab());//显示摄像头抓取的画面
			Java2DFrameConverter java2dFrameConverter = new Java2DFrameConverter();
			// 摄像头抓取的画面转BufferedImage
			BufferedImage bufferedImage = java2dFrameConverter.getBufferedImage(grabber.grabFrame());
			// bufferedImage 请求API接口 检测人流量
			String result = getBodyTrack(bufferedImage);
			BufferedImage bufferedImageAPI = getAPIResult(result);
			// 如果识别为空 则显示摄像头抓取的画面
			if (null == bufferedImageAPI) {
				canvas.showImage(grabber.grab());
			} else {
				// BufferedImage转IplImage
				IplImage iplImageAPI = BufImgToIplData(bufferedImageAPI);
				// 将IplImage转为Frame 并显示在窗口中
				Frame convertFrame = converter.convert(iplImageAPI);
				canvas.showImage(convertFrame);
			}
			ex++;
//			Thread.sleep(100);// 100毫秒刷新一次图像.因为接口返回需要时间。所以看到的画面还是会有一定的延迟
		}
	}
	/**
     * BufferedImage转IplImage
     * @param bufferedImageAPI
     * @return
     */
    private static IplImage BufImgToIplData(BufferedImage bufferedImageAPI) {
    	IplImage iplImage = null;
    	ToIplImage iplConverter = new OpenCVFrameConverter.ToIplImage();
    	Java2DFrameConverter java2dConverter = new Java2DFrameConverter();
    	iplImage = iplConverter.convert(java2dConverter.convert(bufferedImageAPI));
		return iplImage;
	}
	/**
     * IplImage 转 BufferedImage
     * @param mat
     * @return BufferedImage
     */
	public static BufferedImage iplToBufImgData(IplImage mat) {
		if (mat.height() > 0 && mat.width() > 0) {
			//TYPE_3BYTE_BGR 表示一个具有 8 位 RGB 颜色分量的图像,对应于 Windows 风格的 BGR 颜色模型,具有用 3 字节存储的 Blue、Green 和 Red 三种颜色。 
			BufferedImage image = new BufferedImage(mat.width(), mat.height(),BufferedImage.TYPE_3BYTE_BGR);
			WritableRaster raster = image.getRaster();
			DataBufferByte dataBuffer = (DataBufferByte) raster.getDataBuffer();
			byte[] data = dataBuffer.getData();
			BytePointer bytePointer = new BytePointer(data);
			mat.imageData(bytePointer);
			return image;
		}
		return null;
	}
	/**
     * 接口结果转bufferimage
     * @param result
     * @return BufferedImage
     * @throws Exception 
     */
    private static BufferedImage getAPIResult(String result) throws Exception {
    	JSONObject object = JSONObject.parseObject(result);
    	BufferedImage bufferedImage = null;
    	if(object.getInteger("person_num")>=1){
    		Decoder decoder = Base64.getDecoder();
    		byte [] b = decoder.decode(object.getString("image"));
    		ByteArrayInputStream in = new ByteArrayInputStream(b);  
    		bufferedImage = ImageIO.read(in); 
    		
    		ByteArrayOutputStream baos = new ByteArrayOutputStream(); 
    		ImageIO.write(bufferedImage,"jpg", baos); 
    		 byte[] imageInByte = baos.toByteArray(); 
            // Base64解码
    		for (int i = 0; i < imageInByte.length; ++i) {
    			if (imageInByte[i] < 0) {// 调整异常数据
    				imageInByte[i] += 256;
    			}
    		 }
    		 OutputStream out = new FileOutputStream("G:/testimg/xiaoshuairesult.jpg");//接口返回的渲染图
    		 out.write(imageInByte);
    		 out.flush();
    		 out.close();
    		return bufferedImage;
    	}else{
    		return null;
    	}
	}
	/**
	 * 获取接口处理结果图
	 * @param bufferedImage
	 * @return String
	 * @throws Exception
	 */
	public static String getBodyTrack(BufferedImage bufferedImage) throws Exception{
		 ByteArrayOutputStream baos = new ByteArrayOutputStream(); 
         ImageIO.write(bufferedImage,"jpg",baos); 
         byte[] imageInByte = baos.toByteArray(); 
         Encoder base64 = Base64.getEncoder();
         String imageBase64 = base64.encodeToString(imageInByte);
        // Base64解码
		for (int i = 0; i < imageInByte.length; ++i) {
			if (imageInByte[i] < 0) {// 调整异常数据
				imageInByte[i] += 256;
			}
		 }
		 // 生成jpeg图片
		 OutputStream out = new FileOutputStream("G:/testimg/xiaoshuai.jpg");// 新生成的图片
		 out.write(imageInByte);
		 out.flush();
		 out.close();
		 System.out.println("保存成功");  
		 baos.flush();       
		 baos.close();
         String access_token = ACCESS_TOKEN;
                String case_id = "2018";
         String case_init = "";
         String area = "10,10,630,10,630,470,10,469";
         String params = "";
         if(caseId==0){
        	case_init = "true";
        	params = "image=" + URLEncoder.encode(imageBase64, "utf-8")
     				+ "&dynamic=true&show=true&case_id=" + case_id
     				+ "&case_init="+case_init +"&area="+area;
         }else{
        	 case_init = "false";
        	 params = "image=" + URLEncoder.encode(imageBase64, "utf-8")
 					+ "&dynamic=true&show=true&case_id=" + case_id
 					+ "&case_init="+case_init +"&area="+area; 
         }
         //静态识别
//		 String params = "image=" + URLEncoder.encode(imageBase64, "utf-8")+"&dynamic=false&show=true";
 		 String result = HttpUtil.post(BODY_TRACKING_URL, access_token, params);
 		 System.out.println("接口内容==>"+result);
		 return result;
	}
	/**
     * IplImage 转 BufferedImage
     * @param mat
     * @return BufferedImage
     */
	public static BufferedImage bufferimgToBase64(IplImage mat) {
		if (mat.height() > 0 && mat.width() > 0) {
			BufferedImage image = new BufferedImage(mat.width(), mat.height(),BufferedImage.TYPE_3BYTE_BGR);
			WritableRaster raster = image.getRaster();
			DataBufferByte dataBuffer = (DataBufferByte) raster.getDataBuffer();
			byte[] data = dataBuffer.getData();
			BytePointer bytePointer = new BytePointer(data);
			mat.imageData(bytePointer);
			return image;
		}
		return null;
	}
}

 

  • 摄像头中的内容截图示意(本人头像就不直接显示了。万一吓着大家呢) 也不要用去马赛克的技术还原图片哦。

 

还是很好玩的、不需要自己去整OpenCV一套就能实现统计摄像头中的人数。

收藏
点赞
3
个赞
共16条回复 最后由756665228编辑于2019-09-06 14:56
#17756665228回复于2019-07-23 13:05:59
#16 不懂__就莫说回复
能基于远程的摄像头吗,大佬

那你就把远程摄像头的数据拿过来就行了。这和接口是没直接关系的

1
#16不懂__就莫说回复于2019-07-22 15:19:01

能基于远程的摄像头吗,大佬

0
#15秘密花园jay回复于2019-05-23 17:34:32
#14 756665228回复
摄像头不拍照的。就实时画面抽帧的。抽帧转图片调用接口。万一你网络上传带宽再慢一些。看的效果就不是很实时了。 调用接口处理返回再渲染到视频中。是需要必定的时间去处理的。 想要做看的实时的。我这边没涉及那么深入了。  
展开

解释的非常详细

0
#14756665228回复于2019-05-21 16:54:09
#13 sky丨Top灬小豪回复
拍摄的非常卡是怎么回事

摄像头不拍照的。就实时画面抽帧的。抽帧转图片调用接口。万一你网络上传带宽再慢一些。看的效果就不是很实时了。

调用接口处理返回再渲染到视频中。是需要必定的时间去处理的。

想要做看的实时的。我这边没涉及那么深入了。

 

1
#13sky丨Top灬小豪回复于2019-05-21 14:40:56

拍摄的非常卡是怎么回事

0
#12wangwei8638回复于2019-05-06 18:21:46

版主,python下如何传入图片流?

0
#11wangwei8638回复于2019-05-04 09:21:28
#6 核桃露4回复
大佬,有用python实现的人流量统计的吗?

静态统计有,动态的还没发现

0
#10尼基塔007不错回复于2019-04-29 23:01:21

动态识别很牛

0
#9liguanghui2588回复于2019-04-29 12:47:54

不统计人头可以吗

0
#8雷锦衡回复于2019-04-04 15:18:30

谢谢老哥的示例

0
#711JSX回复于2019-02-14 17:48:58

点赞

0
#6核桃露4回复于2019-01-27 15:55:23

大佬,有用python实现的人流量统计的吗?

0
#5秘密花园jay回复于2018-12-05 06:41:12

大佬又放大招了

0
#4756665228回复于2018-12-04 15:11:14
#3 melissayoung回复
帅总威武~爱你么么哒

谢谢梅姐

1
#3melissayoung回复于2018-12-04 10:46:19

帅总威武~爱你么么哒

0
#2荒墨丶迷失回复于2018-11-09 10:03:07

帅气 的人流量统计-动态版之摄像头识别

1
TOP
切换版块