开放能力
开发平台
行业应用
生态合作
开发与教学
资讯 社区 控制台
技术能力
语音技术
图像技术
文字识别
人脸与人体识别
视频技术
AR与VR
自然语言处理
知识图谱
数据智能
场景方案
部署方案
行业应用
智能教育
智能医疗
智能零售
智能工业
企业服务
智能政务
智能农业
信息服务
智能园区
智能硬件
人体分析

    人体关键点识别

    对于输入的一张图片(可正常解码,且长宽比适宜),检测图片中的所有人体,输出每个人体的21个主要关键点,包含头顶、五官、脖颈、四肢等部位,同时输出人体的坐标信息和数量

    支持多人检测、人体位置重叠、遮挡、背面、侧面、中低空俯拍、大动作等复杂场景。

    21个关键点的位置:头顶、左耳、右耳、左眼、右眼、鼻子、左嘴角、右嘴角、脖子、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左髋部、右髋部、左膝、右膝、左脚踝、右脚踝。示意图如下,正在持续扩展更多关键点,敬请期待。

    单人场景:

    多人场景:

    public void BodyAnalysisDemo() {
    	var image = File.ReadAllBytes("图片文件路径");
    	// 调用人体关键点识别,可能会抛出网络等异常,请使用try/catch捕获
    	var result = client.BodyAnalysis(image);
    	Console.WriteLine(result);
    }

    人体关键点识别 请求参数详情

    参数名称 是否必选 类型 说明
    image byte[] 二进制图像数据

    人体关键点识别 返回数据参数详情

    接口除了返回人体框和每个关键点的坐标信息外,还会输出人体框和关键点的概率分数,实际应用中可以基于概率分数进行过滤,排除掉分数低的误识别“无效人体”推荐的过滤方案:当关键点得分大于0.2的个数大于3,且人体框的得分大于0.03时,才认为是有效人体

    实际应用中,可根据对误识别、漏识别的容忍程度,调整阈值过滤方案,灵活应用,比如对误识别容忍低的应用场景,人体框的得分阈值可以提到0.05甚至更高。

    字段 是否必选 类型 说明
    person_num uint32 人体数目
    person_info object[] 人体姿态信息
    +body_parts object 身体部位信息,包含21个关键点
    ++top_head object 头顶
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++left_eye object 左眼
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++right_eye object 右眼
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++nose object 鼻子
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++left_ear object 左耳
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++right_ear object 右耳
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++left_mouth_corner object 左嘴角
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++right_mouth_corner object 右嘴角
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++neck object 颈部
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++left_shoulder object 左肩
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++right_shoulder object 右肩
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++left_elbow object 左手肘
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++right_elbow object 右手肘
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++left_wrist object 左手腕
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++right_wrist object 右手腕
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++left_hip object 左髋部
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++right_hip object 右髋部
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++left_knee object 左膝
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++right_knee object 右膝
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++left_ankle object 左脚踝
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    ++right_ankle object 右脚踝
    +++x float x坐标
    +++y float y坐标
    +++score float 概率分数
    +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 人体框的概率分数
    log_id uint64 唯一的log id,用于问题定位

    说明:

    1、body_parts,一共21个part,每个part包含x,y两个坐标,如果part被截断,则x、y坐标为part被截断的图片边界位置,part顺序以实际返回顺序为准。

    2、接口返回人体坐标框和每个关键点的置信度分数,在应用时可综合置信度score分数,过滤掉置信度低的“无效人体”,建议过滤方法:当关键点得分大于0.2的个数大于3,且人体框的分数大于0.03时,才认为是有效人体。实际应用中,可根据对误识别、漏识别的容忍程度,调整阈值过滤方案,灵活应用。

    人体关键点识别 返回示例

    {
    	"person_num": 2,
    	"person_info": [
    		{
    			"body_parts": {
    				"left_hip": {
    					"y": 573,
    					"x": 686.09375,
    					"score": 0.78743487596512
    				},
    				"top_head": {
    					"y": 242.53125,
    					"x": 620,
    					"score": 0.87757384777069
    				},
    				"right_mouth_corner": {
    					"y": 308.625,
    					"x": 606.78125,
    					"score": 0.90121293067932
    				},
    				"neck": {
    					"y": 335.0625,
    					"x": 620,
    					"score": 0.84662038087845
    				},
    				"left_shoulder": {
    					"y": 361.5,
    					"x": 699.3125,
    					"score": 0.83550786972046
    				},
    				"left_knee": {
    					"y": 731.625,
    					"x": 699.3125,
    					"score": 0.83575332164764
    				},
    				"left_ankle": {
    					"y": 877.03125,
    					"x": 725.75,
    					"score": 0.85220056772232
    				},
    				"left_mouth_corner": {
    					"y": 308.625,
    					"x": 633.21875,
    					"score": 0.91475087404251
    				},
    				"right_elbow": {
    					"y": 348.28125,
    					"x": 461.375,
    					"score": 0.81766486167908
    				},
    				"right_ear": {
    					"y": 282.1875,
    					"x": 593.5625,
    					"score": 0.86551451683044
    				},
    				"nose": {
    					"y": 295.40625,
    					"x": 620,
    					"score": 0.90894532203674
    				},
    				"left_eye": {
    					"y": 282.1875,
    					"x": 633.21875,
    					"score": 0.89628517627716
    				},
    				"right_eye": {
    					"y": 282.1875,
    					"x": 606.78125,
    					"score": 0.89676940441132
    				},
    				"right_hip": {
    					"y": 586.21875,
    					"x": 593.5625,
    					"score": 0.79803824424744
    				},
    				"left_wrist": {
    					"y": 374.71875,
    					"x": 884.375,
    					"score": 0.89635348320007
    				},
    				"left_ear": {
    					"y": 295.40625,
    					"x": 659.65625,
    					"score": 0.86607384681702
    				},
    				"left_elbow": {
    					"y": 361.5,
    					"x": 791.84375,
    					"score": 0.83910942077637
    				},
    				"right_shoulder": {
    					"y": 348.28125,
    					"x": 553.90625,
    					"score": 0.85635334253311
    				},
    				"right_ankle": {
    					"y": 890.25,
    					"x": 580.34375,
    					"score": 0.85149073600769
    				},
    				"right_knee": {
    					"y": 744.84375,
    					"x": 580.34375,
    					"score": 0.83749794960022
    				},
    				"right_wrist": {
    					"y": 348.28125,
    					"x": 368.84375,
    					"score": 0.83893859386444
    				}
    			},
    			"location": {
    				"height": 703.20654296875,
    				"width": 652.61810302734,
    				"top": 221.92272949219,
    				"score": 0.99269664287567,
    				"left": 294.03039550781
    			}
    		},
    		{
    			"body_parts": {
    				"left_hip": {
    					"y": 576,
    					"x": 1239.5625,
    					"score": 0.84608125686646
    				},
    				"top_head": {
    					"y": 261.15625,
    					"x": 1176.59375,
    					"score": 0.871442258358
    				},
    				"right_mouth_corner": {
    					"y": 336.71875,
    					"x": 1164,
    					"score": 0.90951544046402
    				},
    				"neck": {
    					"y": 361.90625,
    					"x": 1176.59375,
    					"score": 0.85904294252396
    				},
    				"left_shoulder": {
    					"y": 361.90625,
    					"x": 1239.5625,
    					"score": 0.8512310385704
    				},
    				"left_knee": {
    					"y": 714.53125,
    					"x": 1277.34375,
    					"score": 0.82312393188477
    				},
    				"left_ankle": {
    					"y": 853.0625,
    					"x": 1315.125,
    					"score": 0.83786374330521
    				},
    				"left_mouth_corner": {
    					"y": 336.71875,
    					"x": 1189.1875,
    					"score": 0.90610301494598
    				},
    				"right_elbow": {
    					"y": 387.09375,
    					"x": 1025.46875,
    					"score": 0.88956367969513
    				},
    				"right_ear": {
    					"y": 311.53125,
    					"x": 1138.8125,
    					"score": 0.86518502235413
    				},
    				"nose": {
    					"y": 324.125,
    					"x": 1176.59375,
    					"score": 0.9168484210968
    				},
    				"left_eye": {
    					"y": 311.53125,
    					"x": 1189.1875,
    					"score": 0.91715461015701
    				},
    				"right_eye": {
    					"y": 311.53125,
    					"x": 1164,
    					"score": 0.90343600511551
    				},
    				"right_hip": {
    					"y": 576,
    					"x": 1164,
    					"score": 0.81976848840714
    				},
    				"left_wrist": {
    					"y": 298.9375,
    					"x": 1378.09375,
    					"score": 0.86095398664474
    				},
    				"left_ear": {
    					"y": 311.53125,
    					"x": 1201.78125,
    					"score": 0.86899447441101
    				},
    				"left_elbow": {
    					"y": 324.125,
    					"x": 1315.125,
    					"score": 0.89198768138885
    				},
    				"right_shoulder": {
    					"y": 387.09375,
    					"x": 1101.03125,
    					"score": 0.85161662101746
    				},
    				"right_ankle": {
    					"y": 878.25,
    					"x": 1151.40625,
    					"score": 0.83667933940887
    				},
    				"right_knee": {
    					"y": 727.125,
    					"x": 1151.40625,
    					"score": 0.85485708713531
    				},
    				"right_wrist": {
    					"y": 387.09375,
    					"x": 949.90625,
    					"score": 0.83042001724243
    				}
    			},
    			"location": {
    				"height": 670.80139160156,
    				"width": 524.25476074219,
    				"top": 241.42504882812,
    				"score": 0.98725789785385,
    				"left": 902.15216064453
    			}
    		}
    	],
    	"log_id": "6362401025381690607"
    }
    上一篇
    快速入门
    下一篇
    人体检测与属性识别