【使用攻略】【车辆分割】
1.功能介绍：
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.平台接入
具体接入方式比较简单，可以参考我的另一个帖子，这里就不重复了：
http://ai.baidu.com/forum/topic/show/943327
3.调用攻略（Python3）及评测
3.1首先认证授权：
在开始调用任何API之前需要先进行认证授权，具体的说明请参考：
http://ai.baidu.com/docs#/Auth/top
具体Python3代码如下：
# -*- coding: utf-8 -*-
#!/usr/bin/env python
import urllib
import base64
import json
#client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id =【百度云应用的AK】
client_secret =【百度云应用的SK】
#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)
token_key = token_info['access_token']
return token_key
3.2车辆分割分析接口调用：
详细说明请参考： https://ai.baidu.com/docs#/ImageClassify-API/3e953ab4
API访问URL：https://aip.baidubce.com/rest/2.0/image-classify/v1/vehicle_seg
具体参数如下：
Python3调用代码如下：
#保存图片def save_base_image(img_str,filename): img_data = base64.b64decode(img_str) with open(filename, 'wb') as f: f.write(img_data)#车辆分割
#filename:原图片名（本地存储包括路径）；dehazedfilename:处理后的文件保存名称
def vehicle_seg(filename,resultfilename):
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(filename, 'rb')
img = base64.b64encode(f.read())
params = dict()
params['image'] = img
params['type'] = 'foreground'
params = urllib.parse.urlencode(params).encode("utf-8")
#params = json.dumps(params).encode('utf-8')
access_token = get_token()
begin = time.perf_counter()
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()
end = time.perf_counter()
print('处理时长:'+'%.2f'%(end-begin)+'秒')
if content:
#print(content)
content=content.decode('utf-8')
#print(content)
data = json.loads(content)
#print(data)
img_str=data['foreground']
save_base_image(img_str,resultfilename)
vehicle_seg('../img/vehicle2.jpg','../img/vehicle2_seg.jpg')
4.功能评测：
4.1 测试内容
以下测试图片都取自网络。
1，户外，一辆车：
2，户外，2辆车：
3，科幻创作的车：
4，室内站台上的1辆车：
5，破损车：
6，户外公路上，很多车：
7，户外公路上，很多车，复杂情况（车祸）：
8，打开车门：
4.2 测试结果分析
速度：包括图片上传下载，处理速度最快为1.06秒，最慢为5.49秒。主要和图片大小关系比较大，一般图片2秒左右都可以处理完毕。
效果：对于不同情况处理效果整体不错，在复杂的图片里，有部分边缘比较模糊。
5.测试结论及建议
通过测试可以发现，在各种情况下，百度车辆分割都比较准确，有很好的应用前景。
建议可以考虑针对以下一些内容进行优化或者开发：
1，有的分割图片边缘有点模糊有毛刺，最好能优化一下，更加锐利。
2，有的分割图片需要镂空（例如案例3）的地方，没有镂空，希望能优化一下。
3，最好能增加一些后处理参数，比如对图片边缘进行锐化，或者模糊处理等。
4，可以考虑增加返回车辆在原图片的位置和轮廓数据。
5，可以考虑增加返回每一辆车的选项，返回每一辆车的分割图。
6，可以考虑增加补全的选项，通过AI自动补全车辆被遮挡的部分轮廓。
5，6可以结合起来
