人臉檢測——基于Flask和PaddleHub
前言
本次實現(xiàn)了一個在瀏覽器中運行的簡陋的人臉檢測功能,由于水平有限,這里使用表單上傳圖片,只能一次檢測一張人臉。實現(xiàn)過程中遇到的主要問題是數(shù)據(jù)格式轉(zhuǎn)換的問題。
分析與設(shè)計
之前已經(jīng)成功基于AI分詞模型,構(gòu)建了一個Web應(yīng)用。套路大致相同,與本次任務(wù)的主要區(qū)別在于,本次傳遞的數(shù)據(jù)是圖像而不是文本。圖像數(shù)據(jù)會帶來一個新的問題:
- 圖像的編碼方式豐富,數(shù)據(jù)處理過程中需要進(jìn)行一些數(shù)據(jù)格式轉(zhuǎn)換。
應(yīng)用的邏輯大致如下:
- 1.用戶通過表單從瀏覽器上傳圖像
- 2.將圖像轉(zhuǎn)發(fā)給人臉檢測模型,得到人臉位置坐標(biāo)
- 3.使用矩形框出圖像中的人臉
- 4.瀏覽器顯示結(jié)果
實現(xiàn)
1. 部署人臉檢測模型
一行命令即可完成服務(wù)化部署(你需要先安裝PaddleHub庫),pyramidbox_lite_mobile是一個預(yù)訓(xùn)練的人臉檢測模型。
hub serving start -m pyramidbox_lite_mobile
你可以使用下面的代碼(來自PaddleHub的文檔,記得修改未你自己的圖片存放路徑),測試接口:
# coding: utf8 import requests import json import cv2 import base64 def cv2_to_base64(image): data = cv2.imencode('.jpg', image)[1] return base64.b64encode(data.tostring()).decode('utf8') if __name__ == '__main__': # 獲取圖片的base64編碼格式 (記得修改你自己的圖片存放路徑) img1 = cv2_to_base64(cv2.imread("./static/Aaron_Peirsol_0001.jpg")) img2 = cv2_to_base64(cv2.imread("./static/Aaron_Peirsol_0002.jpg")) data = {'images': [img1, img2]} # 指定content-type headers = {"Content-type": "application/json"} # 發(fā)送HTTP請求 url = "http://127.0.0.1:8866/predict/pyramidbox_lite_mobile" r = requests.post(url=url, headers=headers, data=json.dumps(data)) # 打印預(yù)測結(jié)果 print(r.json())
2. 使用Flask構(gòu)建app
2.1 目錄結(jié)構(gòu)
- templates - index.html - app.py - forms.py - utils.py
其中utils.py封裝了一些簡單的函數(shù)。
2.2 forms.py
下面定義了一個表單,它只有一個字段face_img,用于上傳待檢測的人臉圖片。validatiors中描述了很多message,在上傳的表單不滿足約束時,可在html模板中通過{{ form.face_img.erros }}獲取相關(guān)的message信息。
from flask_wtf import FlaskForm from flask_wtf.file import FileAllowed, FileRequired, FileSize, FileField class ImageForm(FlaskForm): face_img = FileField("face_img", validators=[ FileRequired(message="不能為空"), FileAllowed(['jpg', 'png'], message="僅支持jpg/png格式"), FileSize(max_size=2048000, message="圖片不能大于2Mb") ], description="圖片不能大于2Mb,僅支持jpg/png格式" )
2.3 utils.py
封裝了三個簡單的函數(shù),但在app.py中只使用了cv2_to_base64()。
import base64 import numpy as np import cv2 def base64_to_cv2(img: str): # base64 -> 二進(jìn)制 -> ndarray -> cv2 # 解碼為二進(jìn)制數(shù)據(jù) img_codes = base64.b64decode(img) img_np = np.frombuffer(img_codes, np.uint8) img_cv2 = cv2.imdecode(img_np, cv2.IMREAD_COLOR) return img_cv2 def cv2_to_base64(image): data = cv2.imencode('.jpg', image)[1] return base64.b64encode(data.tostring()).decode('utf8') # 顯示cv2格式的圖像 --> 開發(fā)過程中測試圖像是否正常時使用 def cv2_show(img_cv2): cv2.imshow('img', img_cv2) cv2.waitKey(0) cv2.destroyAllWindows()
2.4 app.py
注:如果以后數(shù)據(jù)在轉(zhuǎn)換的過程中究竟變成了什么格式,那就把它們打印出來看看叭!例如print(data, type(data))。
主要的邏輯就在這里了,圖像主要經(jīng)歷了三種類型的格式:
- 文件對象:從前端表單返回的圖像文件的格式。
- cv2:opencv的圖像格式,是一個numpy的ndarray數(shù)組。
- str:base64編碼格式的字符串;是作為模型輸入,和在前端顯示圖像的格式。
數(shù)據(jù)格式的變化流程大致如下圖:
# 注:在推理前將圖像縮放到指定的尺寸,即能提升速度,有時也能提升精度(實測像素太高時識別效果也不好) from flask import Flask, render_template, request import requests from forms import ImageForm import cv2 import numpy as np import json import time from utils import cv2_to_base64 app = Flask(__name__) app.config['SECRET_KEY'] = 'your_secret_key_here' @app.route('/', methods=['GET', 'POST']) def predict(): form = ImageForm() if form.validate_on_submit(): # 1. 從前端表單獲取圖像文件 file = form.face_img.data # <class 'werkzeug.datastructures.FileStorage'> file_content = file.read() # <class 'bytes'> # 2. 圖像文件轉(zhuǎn)cv2, 并縮放到指定尺寸 --> 尺寸太大或太小,識別精度都會變差 img_cv2 = np.asarray(bytearray(file_content), dtype=np.uint8) # (len,) img_cv2 = cv2.imdecode(img_cv2, cv2.IMREAD_COLOR) # (w, h, c) img_cv2 = cv2.resize(img_cv2, (250, 250), interpolation=cv2.INTER_LINEAR) # 3. cv2轉(zhuǎn)str(base64) img_base64 = cv2_to_base64(img_cv2) # 4. str(base64)輸入模型 --> json --> 人臉框坐標(biāo) data = {'images': [img_base64]} headers = {"Content-type": "application/json"} url = "http://127.0.0.1:8866/predict/pyramidbox_lite_mobile" start_time = time.time() r = requests.post(url=url, headers=headers, data=json.dumps(data)) use_time = time.time() - start_time rectangle = r.json()['results'][0]['data'][0] # 一張圖片 --> dict{confidence, left, top, right, bottom} # 5. cv2,json --> 畫矩形 --> cv2 cv2.rectangle( img_cv2, (rectangle['left'], rectangle['top']), (rectangle['right'], rectangle['bottom']), (255, 0, 0), # 藍(lán)色 thickness=2) # 6. cv2轉(zhuǎn)str(base64) img_base64 = cv2_to_base64(img_cv2) # 7. str(base64) 返回到前端 return render_template( 'index.html', form=form, img_base64=img_base64, confidence=rectangle['confidence'], use_time=use_time) return render_template('index.html', form=form) if __name__ == '__main__': app.run(debug=True, port=5000)
2.5 index.html
視圖模板,也是十分簡陋。
<h1>試試人臉檢測</h1> <!-- 1. 上傳圖像的表單 --> <form action="" method="post" class="mt-4" enctype="multipart/form-data"> <!-- csrf這一句好像可以沒啥用 --> {{ form.csrf_token }} {{ form.face_img() }} <input type="submit" value="Submit"> </form> <!-- 2. 顯示檢測結(jié)果 --> {% if img_base64 %} <img src="data:image/jpeg;base64, {{ img_base64 }}" width="250" height="250"> <p>置信度: {{ confidence }}</p> <p>推理耗時(秒): {{ use_time }}</p> {% endif %} <!-- 3. 顯示錯誤信息 --> {% if form.face_img.errors %} <div class="alert alert-danger"> {% for error in form.face_img.errors %} {{ error }} {% endfor %} </div> {% endif %}
Bug(s)
1、后端接收不到上傳的圖片
使用表單的模板代碼如下:
<form action="" method="post" class="mt-4"> <!-- csrf這一句好像可以刪掉 --> {{ form.csrf_token }} {{ form.face_img() }} <input type="submit" value="Submit"> </form>
解決:在 Flask 中處理文件上傳時,需要<form>中添加 enctype="multipart/form-data" 屬性,這樣瀏覽器才能正確識別上傳的文件數(shù)據(jù)。
2、數(shù)據(jù)格式轉(zhuǎn)換暈頭轉(zhuǎn)向
在app.py中,我最初對于圖像格式的轉(zhuǎn)換十分懵圈,想整理下思路,結(jié)果卻如下圖,還是很亂。經(jīng)過多次重構(gòu),才變成了 2.5 app.py 那里顯示的圖。
重構(gòu)還是挺有用的!有時代碼經(jīng)過重構(gòu)也會變得清晰。
到此這篇關(guān)于人臉檢測——基于Flask和PaddleHub的文章就介紹到這了,更多相關(guān)人臉檢測內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
使用setup.py安裝python包和卸載python包的方法
這篇文章主要介紹了使用setup.py安裝python包和卸載python包的方法,大家參考使用吧2013-11-11Python利用jmespath模塊進(jìn)行json數(shù)據(jù)處理
jmespath是python的第三方模塊,是需要額外安裝的。它在python原有的json數(shù)據(jù)處理上做出了很大的貢獻(xiàn)。本文將詳細(xì)介紹如何利用jmespath實現(xiàn)json數(shù)據(jù)處理,需要的可以參考一下2022-03-03python 將print輸出的內(nèi)容保存到txt文件中
本文通過代碼給大家介紹了python 將print輸出的內(nèi)容保存到txt文件中,代碼很簡短,需要的朋友可以參考下2018-07-07Python實現(xiàn)滑動平均(Moving Average)的例子
今天小編就為大家分享一篇Python實現(xiàn)滑動平均(Moving Average)的例子,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08Python 輸出詳細(xì)的異常信息(traceback)方式
這篇文章主要介紹了Python 輸出詳細(xì)的異常信息(traceback)方式,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04python開發(fā)一個解析protobuf文件的簡單編譯器
這篇文章主要介紹了python如何開發(fā)一個解析protobuf文件的簡單編譯器,幫助大家更好的理解和學(xué)習(xí)python,感興趣的朋友可以了解下2020-11-11