【使用攻略】【车辆分割】

车辆分割可以提取图片中的车辆，进行后续二次分析，如在智能交通领域，提取车牌号、车型、车辆属性等。在娱乐领域，识别影视作品中的车辆区域，进行一键抠像、背景替换、车辆虚化等后期处理。

一．平台接入

此步骤比较简单，不多阐述。可参照之前文档：

https://ai.baidu.com/forum/topic/show/943162

二.分析接口文档

1.打开API文档页面，分析接口要求

https://ai.baidu.com/docs#/ImageClassify-API/3e953ab4

   (1)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。

 (2)请求说明

需要用到的信息有：

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

Header格式：Content-Type：application/x-www-form-urlencoded

Body中放置请求参数，参数详情如下：

注：返回的二值图像需要进行二次处理才可查看分割效果，示例代码如下；灰度图和前景人像图不用处理，直接解码保存图片即可。

Python：

{
    import cv2
    import numpy as np
    import base64
 
    labelmap = base64.b64decode(res['labelmap'])    # res为通过接口获取的返回json
    nparr = np.fromstring(labelmap, np.uint8)
    labelimg = cv2.imdecode(nparr, 1)
    # width, height为图片原始宽、高
    labelimg = cv2.resize(labelimg, (width, height), interpolation=cv2.INTER_NEAREST)
    im_new = np.where(labelimg==1, 255, labelimg)
    cv2.imwrite('path/to/your/outputfile', im_new)
}

（3）返回参数

返回示例

{
          "log_id": 716033439,
          "labelmap": "xxxx",
          "scoremap": "xxxx",
          "foreground": "xxxx"
}

2.获取access_token

# encoding:utf-8

import base64

import urllib

import urllib2

'''

车辆分割

'''

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

"

# 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}

params = urllib.urlencode(params)

access_token = '[调用鉴权接口获取的token]'

request_url = request_url + "?access_token=" + access_token

request = urllib2.Request(url=request_url, data=params)

request.add_header('Content-Type', 'application/x-www-form-urlencoded')

response = urllib2.urlopen(request)

content = response.read()

if content:

print content

三.识别结果

1.单车（背景颜色接近）

2.两车情况

3.多车情况

结论：无论是单车还是多车情况下，车辆分割效果均很好，处理无压力 。

四.源码共享

# -*- coding: utf-8 -*-

#!/usr/bin/env python

import urllib

import urllib.parse

import urllib.request

import base64

import json

import io

from io import BytesIO

import os

from PIL import Image

#client_id 为官网获取的AK， client_secret 为官网获取的SK

client_id = '*******************'

client_secret = '****************************'



#获取token

def get_token():

    host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret

    request = urllib.request.Request(host)

    request.add_header('Content-Type', 'application/json; charset=UTF-8')

    response = urllib.request.urlopen(request)

    token_content = response.read()

    if token_content:

        token_info = json.loads(token_content.decode("utf-8"))

        token_key = token_info['access_token']

    return token_key



     # 读取图片

def get_file_content(filePath):

    with open(filePath, 'rb') as fp:

        return fp.read()



#显示并保存图片

def save_image(img_str,filename):

    img_data = base64.b64decode(img_str)

    #显示检测结果图片

    image = io.BytesIO(img_data)

    img = Image.open(image)

    img.show()

    with open(filename, 'wb') as f:

          f.write(img_data)

    

#车辆分割



def vehicle_seg_fore(image_in,image_out):

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

   

    # 二进制方式打开图片文件

    f = open(image_in, 'rb')

    img = base64.b64encode(f.read())

   

    params = dict()

    params['image'] = img

    params['type'] = 'foreground'

    params = urllib.parse.urlencode(params).encode("utf-8")

   

    access_token = get_token()

    request_url = request_url + "?access_token=" + access_token

    request = urllib.request.Request(url=request_url, data=params)

    request.add_header('Content-Type', 'application/x-www-form-urlencoded')

    response = urllib.request.urlopen(request)

    content = response.read()

    if content:

        #print(content)

        content=content.decode('utf-8')

        #print(content)

        data = json.loads(content)

        #print(data)

        img_str=data['foreground']

        save_image(img_str,image_out)

       

vehicle_seg_fore('s1.jpg','s1_out.png')

五.意见建议

1.一张图片存在多辆车的情况下可以单个提取，每辆车输出保存一张分割后的图片，便于后续对该车进行二次分析，如提取车牌号、车型、车辆属性等。

2.分割后的图片存在边缘毛刺，在黑色背景下比较明显，建议做边缘模糊处理。