龙空技术网

AI技术「车辆分割」开发使用体验

事事事难料 98

前言:

此刻姐妹们对“formurlencodedcontent”可能比较讲究,你们都想要了解一些“formurlencodedcontent”的相关内容。那么小编也在网摘上收集了一些有关“formurlencodedcontent””的相关内容,希望我们能喜欢,小伙伴们快快来学习一下吧!

一、需求描述

从实拍图中自动分割出汽车图像,实现自动批量抠图,可进一步对背景图像进行替换、合成、虚化处理,用于新车、二手车宣传图制作。

二、使用攻略

说明:本文采用C# 语言,开发环境为.Net Core 2.1,采用在线API接口方式实现。

(1)平台接入

目前处于邀测阶段,不能直接在控制台调用,可通过QQ群(659268104)联系群管、或提交工单申请开通测试权限。

(2)接口文档

文档地址:

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。

请求说明

返回说明

(3)源码共享

3.1-根据 API Key 和 Secret Key 获取 AccessToken

 ///  /// 获取百度access_token ///  /// API Key /// Secret Key ///  public static string GetAccessToken(string clientId, string clientSecret) { string authHost = ""; HttpClient client = new HttpClient(); List> paraList = new List>(); paraList.Add(new KeyValuePair("grant_type", "client_credentials")); paraList.Add(new KeyValuePair("client_id", clientId)); paraList.Add(new KeyValuePair("client_secret", clientSecret)); HttpResponseMessage response = client.PostAsync(authHost, new FormUrlEncodedContent(paraList)).Result; string result = response.Content.ReadAsStringAsync().Result; JObject jo = (JObject)JsonConvert.DeserializeObject(result); string token = jo["access_token"].ToString(); return token; }

3.2-调用API接口获取识别结果

1、在Startup.cs 文件 的 Configure(IApplicationBuilder app, IHostingEnvironment env) 方法中开启虚拟目录映射功能:

 string webRootPath = HostingEnvironment.WebRootPath;//wwwroot目录 app.UseStaticFiles(new StaticFileOptions { FileProvider = new PhysicalFileProvider( Path.Combine(webRootPath, "Uploads", "BaiduAIs")), RequestPath = "/BaiduAIs" });

2、 建立Index.cshtml文件

2.1 前台代码: 由于html代码无法原生显示,只能简单说明一下:

主要是一个form表单,需要设置属性enctype="multipart/form-data",否则无法上传图片;

form表单里面有四个控件:

一个Input:type="file",asp-for="FileUpload" ,上传图片用;

一个Input:type="submit",asp-page-handler="VehicleSeg" ,提交并返回识别结果。

一个img:src="@Model.curPath",显示需要识别的图片。

一个img:src="@Model.imgProcessPath",显示车辆分割后的前景抠图。

最后显示后台 msg 字符串列表信息,如果需要输出原始Html代码,则需要使用@Html.Raw()函数。

2.2 后台代码:

 [BindProperty] public IFormFile FileUpload { get; set; } [BindProperty] public string ImageUrl { get; set; } private readonly IHostingEnvironment HostingEnvironment; public List msg = new List(); public string curPath { get; set; } public string imgProcessPath { get; set; } public ImageProcessModel(IHostingEnvironment hostingEnvironment) { HostingEnvironment = hostingEnvironment; } public async Task OnPostVehicleSegAsync() {  if (FileUpload is null) { ModelState.AddModelError(string.Empty, "本地图片!"); } if (!ModelState.IsValid) { return Page(); } msg = new List(); string webRootPath = HostingEnvironment.WebRootPath;//wwwroot目录 string fileDir = Path.Combine(webRootPath, "Uploads//BaiduAIs//"); string imgName = await UploadFile(FileUpload, fileDir); string fileName = Path.Combine(fileDir, imgName); string imgBase64 = GetFileBase64(fileName); curPath = Path.Combine("/BaiduAIs/", imgName);//需在Startup.cs 文件 的 Configure(IApplicationBuilder app, IHostingEnvironment env)方法中开启虚拟目录映射功能 string result = GetImageJson(imgBase64, “你的API KEY”, “你的SECRET KEY”, "foreground"); JObject jo = (JObject)JsonConvert.DeserializeObject(result); try { string imageProcessBase64 = jo["foreground"].ToString(); msg.Add("车辆分割"); msg.Add("log_id:" + jo["log_id"].ToString()); string processImgName = Guid.NewGuid().ToString("N")+ ".png"; string imgSavedPath = Path.Combine(webRootPath, "Uploads//BaiduAIs//", processImgName); imgProcessPath = Path.Combine("BaiduAIs//", processImgName); await GetFileFromBase64(imageProcessBase64, imgSavedPath); } catch (Exception e) { msg.Add(result); } return Page(); } ///  /// 上传文件,返回文件名 ///  /// 文件上传控件 /// 文件绝对路径 ///  public static async Task UploadFile(IFormFile formFile, string fileDir) { if (!Directory.Exists(fileDir)) { Directory.CreateDirectory(fileDir); } string extension = Path.GetExtension(formFile.FileName); string imgName = Guid.NewGuid().ToString("N") + extension; var filePath = Path.Combine(fileDir, imgName); using (var fileStream = new FileStream(filePath, FileMode.Create, FileAccess.Write)) { await formFile.CopyToAsync(fileStream); } return imgName; } ///  /// 返回图片的base64编码 ///  /// 文件绝对路径名称 ///  public static String GetFileBase64(string fileName) { FileStream filestream = new FileStream(fileName, FileMode.Open); byte[] arr = new byte[filestream.Length]; filestream.Read(arr, 0, (int)filestream.Length); string baser64 = Convert.ToBase64String(arr); filestream.Close(); return baser64; } ///  /// 文件base64解码 ///  /// 文件base64编码 /// 生成文件路径 public static async Task GetFileFromBase64(string base64Str, string outPath) { var contents = Convert.FromBase64String(base64Str); using (var fs = new FileStream(outPath, FileMode.Create, FileAccess.Write)) { fs.Write(contents, 0, contents.Length); fs.Flush(); } } ///  /// 图像识别Json字符串 ///  /// 图片base64编码 /// API Key /// Secret Key ///  public static string GetImageJson(string strbaser64, string clientId, string clientSecret, string type) { string token = GetAccessToken(clientId, clientSecret); string host = "" + token; Encoding encoding = Encoding.Default; HttpWebRequest request = (HttpWebRequest)WebRequest.Create(host); request.Method = "post"; request.KeepAlive = true; string str = "image=" + HttpUtility.UrlEncode(strbaser64)+"&type=" + type; byte[] buffer = encoding.GetBytes(str); request.ContentLength = buffer.Length; request.GetRequestStream().Write(buffer, 0, buffer.Length); HttpWebResponse response = (HttpWebResponse)request.GetResponse(); StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.Default); string result = reader.ReadToEnd(); return result; }

三、效果测试

1、页面:

2、识别结果:

2.1

2.2

2.3

2.4

四、测试结果

总体来说,车辆分割效果的好坏,跟照片中车辆环境还是有较大的关系的,如果车辆跟周围环境区别比较明细,则分割效果相当好,如果车辆跟周围环境区别不太明显,则分割效果就不稳定了。可以尝试优化当车辆跟周围环境较为相似时,如何采取更好的方法进行车辆分割:比如,可以先识别出当前车辆类型,然后根据该车辆类型的模型图,去进行分割等。

另外,可以加入一下功能,增强车辆分割技术:

1、自动补全功能

首先,关于前景抠图的轮廓处理,目前好像对其进行了一定的模糊处理,但是这种处理方法不是很好,如果能够使用AI的自动学习能力,根据输入的图片,搜索相似的车辆图片,然后对其进行自动补全操作,比如一辆车,它的一个轮胎被东西遮挡住了,如果单纯分割,分割后的图片中的车子是少一半轮胎的,这时候,如果能够结合AI学习技术,根据相似的车辆图片,对那缺失的一半轮胎进行修图补全,形成一个完整的车辆图片,那么,最后的抠图就有更大的价值了。

2、效果美化

对车辆图片进行补全后,若能够根据相似图,对抠图进行一定的美化功能(类似现在流行的美颜相机),那么美化后的抠图就是一张相当好的效果图,这样的话,就可以直接拿来当宣传图使用了。当然,美化训练,可以采取对大量的车辆图片进行打分,最后获取高分车辆图片,然后让AI学习如何将图像往高分图方向美化,这样美化后的图片就比较符合大众要求了。

3、多图录入,形成三维效果图

另外,如果能够实现对一辆车,进行前、后、左、右多方位拍图并输入系统,最后根据输入的图片,结合该车辆已存在的设计图等进行模拟计算,输出该车的三维效果图的话,运用前景就很大了。

3.1、结合百度AR技术,显示三维效果图

比如,可以结合百度AR技术,将车辆三维效果图显示到自己想要显示的地方,这样的话,不仅可以让汽车销售员直接出去推销车辆,在汽车销售介绍的时候,显示三维效果图让顾客能够全方向的了解车辆,还能让汽车爱好者收集自己喜欢的车辆,并跟车友们很好的进行分享交流。

3.2、结合3D打印技术,打印三维车辆模型

还可以结合3D打印技术,直接打印出车辆的模型。如果能够对一辆车进行多方位拍照,然后运用百度AI技术进行3D建模,使用3D打印技术直接打印出该车辆的模型,那是一件很了不起的事情。3D模型不仅可以当作小孩子们的玩具,也可以方便汽车爱好者们研究,还有利于汽车销售,让顾客有更加直观的了解。

原本链接:

标签: #formurlencodedcontent