资讯 社区 文档
技术能力
语音技术
文字识别
人脸与人体
图像技术
语言与知识
视频技术

人体检测和属性识别

接口描述

对于输入的一张图片(可正常解码,且长宽比适宜),检测图像中的所有人体并返回每个人体的矩形框位置,识别人体的静态属性和行为,共支持17种属性,包括:性别、年龄阶段、上下身服饰(含类别/颜色)、是否戴帽子、是否戴口罩、是否背包、是否吸烟、是否使用手机、人体朝向等。

主要适用于监控场景的中低空斜拍视角,支持人体轻度截断、轻度遮挡、背面、侧面、动作变化等复杂场景。

摄像头硬件选型无特殊要求,分辨率建议720p以上,更低分辨率的图片也能识别,只是效果可能有差异。夜间红外监控图片的识别效果可能欠佳

注:接口返回的属性信息包括人体的遮挡、截断情况,在应用时可基于此过滤掉“无效人体”,比如严重遮挡、严重截断的人体。

人体检测的效果示例如下:

非正常人体示例:严重截断

17种属性及其输出项如下,持续扩展更多属性,敬请期待。

序号 属性 接口字段 输出项说明
1 性别 gender 男性、女性
2 年龄阶段 age 幼儿、青少年、青年、中年、老年
3 上身服饰 upper_wear 长袖、短袖
4 下身服饰 lower_wear 长裤、短裤、长裙、短裙、不确定
5 上身服饰颜色 upper_color 红、橙、黄、绿、蓝、紫、粉、黑、白、灰、棕
6 下身服饰颜色 lower_color 红、橙、黄、绿、蓝、紫、粉、黑、白、灰、棕、不确定
7 背包 bag 无背包、单肩包、双肩包
8 是否戴帽子 headwear 无帽、普通帽、安全帽
9 是否戴口罩 face_mask 无口罩、戴口罩、不确定
10 是否使用手机 cellphone 未使用手机、看手机、打电话、不确定
11 人体朝向 orientation 正面、背面、左侧面、右侧面
12 是否吸烟 smoke 吸烟、未吸烟、不确定
13 上方截断 upper_cut 无上方截断、有上方截断
14 下方截断 lower_cut 无下方截断、有下方截断
15 侧方截断 side_cut 无侧方截断、有侧方截断
16 遮挡情况 occlusion 无遮挡、轻度遮挡、重度遮挡
17 是否是正常人体 is_human 非正常人体、正常人体;用于判断说明人体的截断/遮挡情况,并非判断动物等非人类生物
正常人体:身体露出大于二分之一的人体,一般以能看到腰部肚挤眼为标准;
非正常人体:严重截断、或严重遮挡的人体,一般看不到肚挤眼,比如只有个脑袋、一条腿

注意:接口默认输出所有17个属性,如只需返回某几个特定属性,请将type 参数值设定属性可选值,用逗号分隔。

在线调试

您可以在 示例代码中心 中调试该接口,可进行签名验证、查看在线调用的请求内容和返回结果、示例代码的自动生成。

请求说明

请求示例

HTTP 方法:POST

请求URL: https://aip.baidubce.com/rest/2.0/image-classify/v1/body_attr

URL参数:

参数
access_token 通过API Key和Secret Key获取的access_token,参考“Access Token获取

Header如下:

参数
Content-Type application/x-www-form-urlencoded

Body中放置请求参数,参数详情如下:

请求参数

参数 是否必选 类型 可选值范围 说明
image string - 图像数据,base64编码后进行urlencode,要求base64编码和urlencode后大小不超过4M。图片的base64编码是不包含图片头的,如(data:image/jpg;base64,),支持图片格式:jpg、bmp、png,最短边至少50px,最长边最大4096px
type string gender,
age,
lower_wear,
upper_wear,
headwear,
face_mask,
glasses,
upper_color,
lower_color,
cellphone,
upper_wear_fg,
upper_wear_texture,
lower_wear_texture,
orientation,
umbrella,
bag,
smoke,
vehicle,
carrying_item,
upper_cut,
lower_cut,
occlusion,
is_human
1)可选值说明:
gender-性别,
age-年龄阶段,
lower_wear-下身服饰,
upper_wear-上身服饰,
headwear-是否戴帽子,
face_mask-是否戴口罩,
upper_color-上身服饰颜色,
lower_color-下身服饰颜色,
cellphone-是否使用手机,
orientation-人体朝向,
bag-背包,
smoke-是否吸烟,
upper_cut-上方截断,
lower_cut-下方截断,
side_cut-侧方截断,
occlusion-遮挡情况,
is_human-是否是正常人体
2)type 参数值可以是可选值的组合,用逗号分隔;如果无此参数默认输出全部17个属性

请求代码示例

提示一:使用示例代码前,请记得替换其中的示例Token、图片地址或Base64信息。

提示二:部分语言依赖的类或库,请在代码注释中查看下载地址。

人体检测和属性识别
curl -i -k 'https://aip.baidubce.com/rest/2.0/image-classify/v1/body_attr?access_token=【调用鉴权接口获取的token】' --data 'image=【图片Base64编码,需UrlEncode】' -H 'Content-Type:application/x-www-form-urlencoded'
<?php
/**

 * 发起http post请求(REST API), 并获取REST请求的结果

 * @param string $url

 * @param string $param

 * @return - http response body if succeeds, else false.
   */
   function request_post($url = '', $param = '')
   {
   if (empty($url) || empty($param)) {
       return false;
   }

   $postUrl = $url;
   $curlPost = $param;
   // 初始化curl
   $curl = curl_init();
   curl_setopt($curl, CURLOPT_URL, $postUrl);
   curl_setopt($curl, CURLOPT_HEADER, 0);
   // 要求结果为字符串且输出到屏幕上
   curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
   curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false);
   // post提交方式
   curl_setopt($curl, CURLOPT_POST, 1);
   curl_setopt($curl, CURLOPT_POSTFIELDS, $curlPost);
   // 运行curl
   $data = curl_exec($curl);
   curl_close($curl);

   return $data;
   }

$token = '[调用鉴权接口获取的token]';
$url = 'https://aip.baidubce.com/rest/2.0/image-classify/v1/body_attr?access_token=' . $token;
$img = file_get_contents('[本地文件路径]');
$img = base64_encode($img);
$bodys = array(
    'image' => $img
);
$res = request_post($url, $bodys);

var_dump($res);
package com.baidu.ai.aip;

import com.baidu.ai.aip.utils.Base64Util;
import com.baidu.ai.aip.utils.FileUtil;
import com.baidu.ai.aip.utils.HttpUtil;

import java.net.URLEncoder;

/**

* 人体检测和属性识别
  */
  public class BodyAttr {

    /**

    * 重要提示代码中所需工具类

    * FileUtil,Base64Util,HttpUtil,GsonUtils请从

    * https://ai.baidu.com/file/658A35ABAB2D404FBF903F64D47C1F72

    * https://ai.baidu.com/file/C8D81F3301E24D2892968F09AE1AD6E2

    * https://ai.baidu.com/file/544D677F5D4E4F17B4122FBD60DB82B3

    * https://ai.baidu.com/file/470B3ACCA3FE43788B5A963BF0B625F3

    * 下载
      */
        public static String body_attr() {
      // 请求url
      String url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_attr";
      try {
          // 本地文件路径
          String filePath = "[本地文件路径]";
          byte[] imgData = FileUtil.readFileByBytes(filePath);
          String imgStr = Base64Util.encode(imgData);
          String imgParam = URLEncoder.encode(imgStr, "UTF-8");

          String param = "image=" + imgParam;
          
          // 注意这里仅为了简化编码每一次请求都去获取access_token,线上环境access_token有过期时间, 客户端可自行缓存,过期后重新获取。
          String accessToken = "[调用鉴权接口获取的token]";
          
          String result = HttpUtil.post(url, accessToken, param);
          System.out.println(result);
          return result;

      } catch (Exception e) {
          e.printStackTrace();
      }
      return null;
        }

    public static void main(String[] args) {
        BodyAttr.body_attr();
    }
  }
# encoding:utf-8

import requests
import base64

'''
人体检测和属性识别
'''

request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_attr"

# 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}
access_token = '[调用鉴权接口获取的token]'
request_url = request_url + "?access_token=" + access_token
headers = {'content-type': 'application/x-www-form-urlencoded'}
response = requests.post(request_url, data=params, headers=headers)
if response:
    print (response.json())
#include <iostream>
#include <curl/curl.h>

// libcurl库下载链接:https://curl.haxx.se/download.html
// jsoncpp库下载链接:https://github.com/open-source-parsers/jsoncpp/
const static std::string request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_attr";
static std::string body_attr_result;
/**

 * curl发送http请求调用的回调函数,回调函数中对返回的json格式的body进行了解析,解析结果储存在全局的静态变量当中

 * @param 参数定义见libcurl文档

 * @return 返回值定义见libcurl文档
   */
   static size_t callback(void *ptr, size_t size, size_t nmemb, void *stream) {
   // 获取到的body存放在ptr中,先将其转换为string格式
   body_attr_result = std::string((char *) ptr, size * nmemb);
   return size * nmemb;
   }
   /**

 * 人体检测和属性识别

 * @return 调用成功返回0,发生错误返回其他错误码
   */
   int body_attr(std::string &json_result, const std::string &access_token) {
   std::string url = request_url + "?access_token=" + access_token;
   CURL *curl = NULL;
   CURLcode result_code;
   int is_success;
   curl = curl_easy_init();
   if (curl) {
       curl_easy_setopt(curl, CURLOPT_URL, url.data());
       curl_easy_setopt(curl, CURLOPT_POST, 1);
       curl_httppost *post = NULL;
       curl_httppost *last = NULL;
       curl_formadd(&post, &last, CURLFORM_COPYNAME, "image", CURLFORM_COPYCONTENTS, "【base64_img】", CURLFORM_END);

       curl_easy_setopt(curl, CURLOPT_HTTPPOST, post);
       curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, callback);
       result_code = curl_easy_perform(curl);
       if (result_code != CURLE_OK) {
           fprintf(stderr, "curl_easy_perform() failed: %s\n",
                   curl_easy_strerror(result_code));
           is_success = 1;
           return is_success;
       }
       json_result = body_attr_result;
       curl_easy_cleanup(curl);
       is_success = 0;

   } else {
       fprintf(stderr, "curl_easy_init() failed.");
       is_success = 1;
   }
   return is_success;
   }
using System;
using System.IO;
using System.Net;
using System.Text;
using System.Web;

namespace com.baidu.ai
{
    public class BodyAttr
    {
        // 人体检测和属性识别
        public static string body_attr()
        {
            string token = "[调用鉴权接口获取的token]";
            string host = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_attr?access_token=" + token;
            Encoding encoding = Encoding.Default;
            HttpWebRequest request = (HttpWebRequest)WebRequest.Create(host);
            request.Method = "post";
            request.KeepAlive = true;
            // 图片的base64编码
            string base64 = getFileBase64("[本地图片文件]");
            String str = "image=" + HttpUtility.UrlEncode(base64);
            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();
            Console.WriteLine("人体检测和属性识别:");
            Console.WriteLine(result);
            return result;
        }

        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;
        }
    }
}

返回说明

返回参数

字段 是否必选 类型 说明
log_id uint64 唯一的log id,用于问题定位
person_num uint32 检测到的人体数目
person_info object[] 每个人体框的信息
+location object 人体坐标信息
++height float 人体区域的高度
++left float 人体区域离左边界的距离
++top float 人体区域离上边界的距离
++width float 人体区域的宽度
++score float 人体框的置信度分数,取值0-1,得分越接近1表示人体框准确的概率越大
+attributes object 人体属性内容
++gender object 性别
+++name string 男性、女性
+++score float 对应概率分数
++age object 年龄阶段
+++name string 幼儿、青少年、青年、中年、老年
+++score float 对应概率分数
++upper_color object 上半身衣着颜色
+++name string 红、橙、黄、绿、蓝、紫、粉、黑、白、灰、棕
+++score float 对应概率分数
++lower_color object 下半身衣着颜色
+++name string 红、橙、黄、绿、蓝、紫、粉、黑、白、灰、棕、不确定
+++score float 对应概率分数
++cellphone object 是否使用手机
+++name string 未使用手机、看手机、打电话、不确定
+++score float 对应概率分数
++lower_wear object 下半身服饰
+++name string 长裤、短裤、长裙、短裙、不确定
+++score float 对应概率分数
++upper_wear object 上半身服饰
+++name string 长袖、短袖
+++score float 对应概率分数
++headwear object 是否戴帽子
+++name string 无帽、普通帽、安全帽
+++score float 对应概率分数
++face_mask object 是否戴口罩
+++name string 无口罩、戴口罩、不确定(背面或者头部被截断的人体,一般为不确定)
+++score float 对应概率分数
++orientation object 人体朝向
+++name string 正面、背面、侧面
+++score float 对应概率分数
++bag object 背包
+++name string 无背包、单肩包、双肩包
+++score float 对应概率分数
++smoke object 是否吸烟
+++name string 未吸烟、吸烟、不确定
+++score float 对应概率分数
++upper_cut object 上方截断
+++name string 无上方截断、有上方截断
+++score float 对应概率分数
++lower_cut object 下方截断
+++name string 无下方截断、有下方截断
+++score float 对应概率分数
++side_cut object 侧方截断
+++name string 无侧方截断、有侧方截断
+++score float 对应概率分数
++occlusion object 遮挡情况
+++name string 无遮挡、轻度遮挡、重度遮挡
+++score float 对应概率分数
++is_human object 是否是正常人体
+++name string 正常人体、非正常人体
+++score float 对应概率分数

返回示例

{
	"person_num": 1,
	"person_info": [
		{
			"attributes": {
				"orientation": {
					"score": 0.99913859367371,
					"name": "正面"
				},
				"is_human": {
					"score": 0.99985098838806,
					"name": "正常人体"
				},
				"headwear": {
					"score": 0.7862206697464,
					"name": "无帽"
				},
				"face_mask": {
					"score": 0.99429154396057,
					"name": "无口罩"
				},
				"lower_wear": {
					"score": 0.96919763088226,
					"name": "长裤"
				},
				"vehicle": {
					"score": 0.99982362985611,
					"name": "无交通工具"
				},
				"upper_wear_fg": {
					"score": 0.40853327512741,
					"name": "T恤"
				},
				"lower_color": {
					"score": 0.77661311626434,
					"name": "灰"
				},
				"upper_cut": {
					"score": 0.99979013204575,
					"name": "无上方截断"
				},
				"lower_cut": {
					"score": 0.99873107671738,
					"name": "无下方截断"
				},
				"upper_wear": {
					"score": 0.98250997066498,
					"name": "短袖"
				},
				"cellphone": {
					"score": 0.99923753738403,
					"name": "未使用手机"
				},
				"gender": {
					"score": 0.91399890184402,
					"name": "女性"
				},
				"age": {
					"score": 0.94620317220688,
					"name": "青年"
				},
				"bag": {
					"score": 0.88887012004852,
					"name": "无背包"
				},
				"smoke": {
					"score": 0.99988353252411,
					"name": "未吸烟"
				},
				"upper_color": {
					"score": 0.94646281003952,
					"name": "灰"
				},
				"occlusion": {
					"score": 0.99341428279877,
					"name": "无遮挡"
				}
			},
			"location": {
				"height": 826,
				"width": 219,
				"top": 176,
				"score": 0.9693506360054,
				"left": 754
			}
		}
	],
	"log_id": "1324248829299466129"
}
上一篇
人体关键点识别
下一篇
人流量统计