基于Flask和PaddleHub怎么实现人脸检测功能

2023-03-26 19:56| 来源: 网络整理| 查看: 265

基于Flask和PaddleHub怎么实现人脸检测功能发布时间：2023-03-23 13:47:12 来源：亿速云阅读：61 作者：iii 栏目：开发技术

这篇文章主要介绍“基于Flask和PaddleHub怎么实现人脸检测功能”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“基于Flask和PaddleHub怎么实现人脸检测功能”文章能帮助大家解决问题。

实现1. 部署人脸检测模型

一行命令即可完成服务化部署（你需要先安装PaddleHub库），pyramidbox_lite_mobile是一个预训练的人脸检测模型。

hub serving start -m pyramidbox_lite_mobile

你可以使用下面的代码（来自PaddleHub的文档，记得修改未你自己的图片存放路径)，测试接口：

# 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__': # 获取图片的base64编码格式 (记得修改你自己的图片存放路径) 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"} # 发送HTTP请求 url = "http://127.0.0.1:8866/predict/pyramidbox_lite_mobile" r = requests.post(url=url, headers=headers, data=json.dumps(data)) # 打印预测结果 print(r.json())2. 使用Flask构建app2.1 目录结构- templates - index.html - app.py - forms.py - utils.py

其中utils.py封装了一些简单的函数。

2.2 forms.py

下面定义了一个表单，它只有一个字段face_img，用于上传待检测的人脸图片。validatiors中描述了很多message，在上传的表单不满足约束时，可在html模板中通过{{ form.face_img.erros }}获取相关的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="不能为空"), FileAllowed(['jpg', 'png'], message="仅支持jpg/png格式"), FileSize(max_size=2048000, message="图片不能大于2Mb") ], description="图片不能大于2Mb，仅支持jpg/png格式" )2.3 utils.py

封装了三个简单的函数，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 -> 二进制 -> ndarray -> cv2 # 解码为二进制数据 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') # 显示cv2格式的图像 --> 开发过程中测试图像是否正常时使用 def cv2_show(img_cv2): cv2.imshow('img', img_cv2) cv2.waitKey(0) cv2.destroyAllWindows()2.4 app.py

注：如果以后数据在转换的过程中究竟变成了什么格式，那就把它们打印出来看看叭！例如print(data, type(data))。

主要的逻辑就在这里了，图像主要经历了三种类型的格式：

文件对象：从前端表单返回的图像文件的格式。

cv2：opencv的图像格式，是一个numpy的ndarray数组。

str：base64编码格式的字符串；是作为模型输入，和在前端显示图像的格式。

数据格式的变化流程大致如下图：

基于Flask和PaddleHub怎么实现人脸检测功能

# 注：在推理前将图像缩放到指定的尺寸，即能提升速度，有时也能提升精度（实测像素太高时识别效果也不好） 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. 从前端表单获取图像文件 file = form.face_img.data # file_content = file.read() # # 2. 图像文件转cv2, 并缩放到指定尺寸 --> 尺寸太大或太小，识别精度都会变差 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转str(base64) img_base64 = cv2_to_base64(img_cv2) # 4. str(base64)输入模型 --> json --> 人脸框坐标 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] # 一张图片 --> dict{confidence, left, top, right, bottom} # 5. cv2，json --> 画矩形 --> cv2 cv2.rectangle( img_cv2, (rectangle['left'], rectangle['top']), (rectangle['right'], rectangle['bottom']), (255, 0, 0), # 蓝色 thickness=2) # 6. cv2转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

视图模板，也是十分简陋。

试试人脸检测 {{ form.csrf_token }} {{ form.face_img() }} {% if img_base64 %}

置信度: {{ confidence }}

推理耗时(秒): {{ use_time }}

{% endif %} {% if form.face_img.errors %} {% for error in form.face_img.errors %} {{ error }} {% endfor %} {% endif %}Bug(s)

1、后端接收不到上传的图片

使用表单的模板代码如下：

解决：在 Flask 中处理文件上传时，需要中添加 enctype="multipart/form-data" 属性，这样浏览器才能正确识别上传的文件数据。

2、数据格式转换晕头转向

在app.py中，我最初对于图像格式的转换十分懵圈，想整理下思路，结果却如下图，还是很乱。经过多次重构，才变成了 2.5 app.py 那里显示的图。

重构还是挺有用的！有时代码经过重构也会变得清晰。

基于Flask和PaddleHub怎么实现人脸检测功能

关于“基于Flask和PaddleHub怎么实现人脸检测功能”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注亿速云行业资讯频道，小编每天都会为大家更新不同的知识点。

推荐阅读： python自动化测试中APScheduler Flask怎么应用 Python Flask中Cookie和Session区别是什么

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：[email protected]进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。

flask 上一篇新闻：Shell查找命令find和grep如何使用下一篇新闻：uniapp怎么使用uview 猜你喜欢怎么通过网站API接口查询ICP域名备案信息怎么真正掌握Web前端技术 Web开发工具有哪些 Context-React如何跨组件访问数据好程序员web前端教程分享常见基础面试题之性能优化好程序员web前端分享H5高级工程师学习思路 bootstrap-表单控件——按钮 Jitamin在CentOS下面的安装部署过程 (一) js对象怎么根据时间进行排序【MAC OS Sierra】PGP邮件加密教程 Id class 变量的赋值规范大驼峰和小驼峰代码的格式和注释的类型

【本文地址】

公司简介

联系我们