0
0

OpenCV-Python实战（21）——OpenCV人脸检测项目在Web端的部署

OpenCV-Python实战（21）——OpenCV人脸检测项目在Web端的部署

0. 前言

将 

OpenCV

计算机视觉项目部署在 

Web

端一个有趣的话题，部署在 

Web

端的优势之一是不需要安装任何应用，只需要访问地址就可以访问应用。在本文中，我们使用 

Python Web

框架创建并部署一个完整的 

Web

人脸检测应用程序，在项目中我们将学习到如何处理来自浏览器的不同请求方式(例如 

GET

和 

POST

等)，以及如何实战使用 

OpenCV

和 

Flask

创建 

Web

人脸检测 

API

。

1. OpenCV 人脸检测项目在 Web 端的部署

本节中将使用 

Python Web

框架创建并部署一个完整的 

Web

人脸检测应用程序，此程序不仅可以处理本地图片(利用 

request.files['image']

)，同时也可以用于处理来自网络中的图片(利用 

request.args.get('url')

)。

1.1 解析请求并构建响应

在此实战中，我们将看到如何使用 

OpenCV

和 

Flask

创建一个 

Web

人脸检测 

API

，我们将项目命名为 

face_detection

，项目目录结构如下所示：

face_detection
    |——server
    |    ├─face_detection.py
    |    └─face_processing.py
    └─client
        ├─request_test.py
        ├─request_and_draw_rectangle.py
        └─test_example.png

其中 

face_detection.py

脚本负责解析请求并构建对客户端的响应：

# face_detection.py# 导入所需包from flask import Flask, request, jsonify
import urllib.request
from face_processing import FaceProcessing

app = Flask(__name__)
fc = FaceProcessing()@app.errorhandler(400)defbad_request(e):# 返回代码错误 return jsonify({"status":'Not ok',"message":"This server could not understand your request"}),[email protected](404)defnot_found(e):# 返回代码错误return jsonify({"status":'Not found',"message":"Route not found"}),[email protected](500)definternal_error(e):# 返回代码错误return jsonify({"status":"Internal Error","message":"Internal error occurred in server"}),[email protected]('/detect', methods=['GET','POST','PUT'])defdetect_human_faces():if request.method =='GET':if request.args.get('url'):with urllib.request.urlopen(request.args.get('url'))as url:return jsonify({"status":"Ok","result": fc.face_detection(url.read())}),200else:return jsonify({"status":"Bad request","message":"Parameter url is not present"}),400elif request.method =='POST':if request.files.get('image'):return jsonify({"status":"Ok","result": fc.face_detection(request.files['image'].read())}),200else:return jsonify({"status":"Bad request","message":"Parameter image is not present"}),400else:return jsonify({"status":"Failure","message":"PUT method not supported for API"}),405if __name__ =='__main__':
    app.run(host='0.0.0.0')

如上所示，使用 

jsonify()

函数来创建给定参数的 

JSON

表示，以返回 

application/json MIME

类型。 

JSON

是信息交换的事实标准，此项目将返回 

JSON

响应，在项目的最后我们将了解如何对其进行修改以返回图像，此 

Web

人脸检测 

API

支持 

GET

和 

POST

请求；此外，在 

face_detection

脚本中，我们还通过使用 

errorhandler()

装饰函数来注册错误处理程序，用来响应出错时向客户端返回设置的错误代码。
人脸检测程序与负责响应的程序进行了分离，人脸检测程序在 

face_processing.py

脚本中执行，其中编写了 

FaceProcessing()

类：

# face_processing.pyimport cv2
import numpy as np
import os
classFaceProcessing(object):def__init__(self):
        self.file= os.path.join(os.path.join(os.path.dirname(__file__),"data"),"haarcascade_frontalface_alt.xml")
        self.face_cascade = cv2.CascadeClassifier(self.file)defface_detection(self, image):# 将图像转换为 OpenCV 格式
        image_array = np.asarray(bytearray(image), dtype=np.uint8)
        img_opencv = cv2.imdecode(image_array,-1)
        output =[]# 检测人脸并构建返回值
        gray = cv2.cvtColor(img_opencv, cv2.COLOR_BGR2GRAY)
        faces = self.face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(25,25))for face in faces:# 返回检测框坐标
            x, y, w, h = face.tolist()
            face ={"box":[x, y, x + w, y + h]}
            output.append(face)print(face)# 返回结果return output

face_detection()

方法使用 

OpenCV

的 

detectMultiScale()

函数执行人脸检测，获得每个检测到的人脸的坐标 

(x, y, w, h)

，并通过合适的格式对检测结果进行编码来构建返回检测框：

face ={"box":[x, y, x + w, y + h]}

最后，我们将编码完成的人脸检测框添加到 

output

数组中，将所有检测到的人脸检测框都添加到 

output

数组后，将其返回：

output.append(face)

1.2 构建请求进行测试

为了使用 

Web

人脸检测 API，我们可以从浏览器执行 

GET

请求；同时，此 

API

还支持 

POST

请求。接下来，我们构建测试脚本测试此 

API

，此脚本可以执行 

GET

和 

POST

请求，以了解如何与人脸 

API

进行交互，更具体的讲，测试脚本将对人脸 

API

发送多个请求，以获得不同的响应，并查看错误处理的工作原理。
首先使用不正确的 

URL

执行 

GET

请求：

# request_test.pyimport requests

FACE_DETECTION_REST_API_URL ="http://localhost:5000/detect"
FACE_DETECTION_REST_API_URL_WRONG ="http://localhost:5000/process"
IMAGE_PATH ="test_example.png"
URL_IMAGE ="https://imgs.mmkk.me/wmnv/img/20190625073459-5d11cea35c407.png"# 提交 GET 请求
r = requests.get(FACE_DETECTION_REST_API_URL_WRONG)# 查看响应print("status code: {}".format(r.status_code))print("headers: {}".format(r.headers))print("content: {}".format(r.json()))

打印响应信息，可以看到：

status code: 404
headers: {'Content-Type':'application/json', 'Content-Length':'51', 'Server':'Werkzeug/1.0.1 Python/3.7.7', 'Date':'Sat, 02 Oct 2021 01:45:19 GMT'}
content: {'message':'Route not found', 'status':'Not found'}

状态码 

404

表示客户端可以与服务器通信，但服务器找不到请求的内容。这是因为请求的 

URL

(http://localhost:5000/process) 不正确。
执行的第二个请求是正确的 

GET

请求：

# 提交 GET 请求
payload ={'url': URL_IMAGE}
r = requests.get(FACE_DETECTION_REST_API_URL, params=payload)# 查看响应print("status code: {}".format(r.status_code))print("headers: {}".format(r.headers))print("content: {}".format(r.json()))

打印响应信息，可以看到：

status code: 200
headers: {'Content-Type':'application/json', 'Content-Length':'52', 'Server':'Werkzeug/1.0.1 Python/3.7.7', 'Date':'Sat, 02 Oct 2021 01:54:31 GMT'}
content: {'result':[{'box':[233, 77, 356, 252]}], 'status':'Ok'}

状态码 

200

表示请求已成功执行，还可以看到已检测到与人脸相对应的检测框坐标。
接下来执行缺少有效负载的 GET 请求：

# 提交 GET 请求
r = requests.get(FACE_DETECTION_REST_API_URL)# 查看响应print("status code: {}".format(r.status_code))print("headers: {}".format(r.headers))print("content: {}".format(r.json()))

打印响应信息，可以看到：

status code: 400
headers: {'Content-Type':'application/json', 'Content-Length':'66', 'Server':'Werkzeug/1.0.1 Python/3.7.7', 'Date':'Sat, 02 Oct 2021 01:58:00 GMT'}
content: {'message':'Parameter url is not present', 'status':'Bad request'}

状态代码 

400

表示错误请求，这是由于其缺少 

url

参数。
接下来执行的第四个请求是具有正确负载的 

POST

请求：

# 加载图像并构建有效负载
image =open(IMAGE_PATH,"rb").read()
payload ={"image": image}# 提交 POST 请求
r = requests.post(FACE_DETECTION_REST_API_URL, files=payload)# 查看响应print("status code: {}".format(r.status_code))print("headers: {}".format(r.headers))print("content: {}".format(r.json()))

打印响应信息，可以看到：

status code: 200
headers: {'Content-Type':'application/json', 'Content-Length':'52', 'Server':'Werkzeug/1.0.1 Python/3.7.7', 'Date':'Sat, 02 Oct 2021 02:03:26 GMT'}
content: {'result':[{'box':[193, 92, 355, 292]}], 'status':'Ok'}

最后我们构造 

PUT

请求：

# 提交 PUT 请求
r = requests.put(FACE_DETECTION_REST_API_URL, files=payload)# 查看响应print("status code: {}".format(r.status_code))print("headers: {}".format(r.headers))print("content: {}".format(r.json()))

打印响应信息，可以看到：

status code: 405
headers: {'Content-Type':'application/json', 'Content-Length':'66', 'Server':'Werkzeug/1.0.1 Python/3.7.7', 'Date':'Sat, 02 Oct 2021 02:05:54 GMT'}
content: {'message':'PUT method not supported for API', 'status':'Failure'}

这是由于我们的 

API

不支持 

PUT

方法，仅支持 GET 和 POST 方法，因此返回状态码 

405

。

2. 根据获得的响应信息在客户端绘制检测框

当请求成功执行时，将检测到的人脸作为 

JSON

数据返回，接下来我们将编写程序了解如何解析响应并绘制检测到的人脸：

# request_and_draw_rectangle.pyimport cv2
import numpy as np
import requests
from matplotlib import pyplot as plt

defshow_img_with_matplotlib(color_img, title, pos):
    img_RGB = color_img[:,:,::-1]
    ax = plt.subplot(1,1, pos)
    plt.imshow(img_RGB)
    plt.title(title, fontsize=10)
    plt.axis('off')

FACE_DETECTION_REST_API_URL ="http://localhost:5000/detect"
IMAGE_PATH ="test_example.png"# 加载图像构造有效负载
image =open(IMAGE_PATH,'rb').read()
payload ={'image': image}
r = requests.post(FACE_DETECTION_REST_API_URL, files=payload)# 打印响应信息print("status code: {}".format(r.status_code))print("headers: {}".format(r.headers))print("content: {}".format(r.json()))# 解析响应信息
json_data = r.json()
result = json_data['result']

image_array = np.asarray(bytearray(image), dtype=np.uint8)
img_opencv = cv2.imdecode(image_array,-1)# 绘制检测框for face in result:
    left, top, right, bottom = face['box']
    cv2.rectangle(img_opencv,(left, top),(right, bottom),(0,255,255),2)
    cv2.circle(img_opencv,(left, top),5,(0,0,255),-1)
    cv2.circle(img_opencv,(right, bottom),5,(255,0,0),-1)# 可视化
fig = plt.figure(figsize=(8,6))
plt.suptitle("Using face API", fontsize=14, fontweight='bold')
show_img_with_matplotlib(img_opencv,"face detection",1)

plt.show()

在上示代码中，首先加载图像并构建有效负载，然后，执行 POST 请求，从响应中获取 

JSON

数据并进行解析：

# 解析响应信息
json_data = r.json()
result = json_data['result']

接下来，就可以利用返回的信息绘制检测到的人脸：

# 绘制检测框for face in result:
    left, top, right, bottom = face['box']
    cv2.rectangle(img_opencv,(left, top),(right, bottom),(0,255,255),2)
    cv2.circle(img_opencv,(left, top),5,(0,0,255),-1)
    cv2.circle(img_opencv,(right, bottom),5,(255,0,0),-1)

对于每个检测到的人脸，绘制矩形检测框以及左上角和右下角的点：

根据获得的响应信息在客户端绘制检测框

3. 在服务器端绘制检测框并返回

我们也可以直接在服务器端在图像中绘制检测框，然后将结果图像返回(相关讲解可以在《OpenCV计算机视觉项目在Web端的部署》中查看)，我们需要做的仅仅是修改 

face_detection.py

，这就是代码分离的优势之一：

# 这里仅修改 GET 请求，对于 POST 的修改也是类似的，可以自行探索@app.route('/detect', methods=['GET','POST','PUT'])defdetect_human_faces():if request.method =='GET':if request.args.get('url'):with urllib.request.urlopen(request.args.get('url'))as url:
                image = url.read()
            result = fc.face_detection(image)
            image_array = np.asarray(bytearray(image), dtype=np.uint8)
            img_opencv = cv2.imdecode(image_array,-1)for face in result:
                left, top, right, bottom = face['box']

                cv2.rectangle(img_opencv,(left, top),(right, bottom),(0,255,255),2)
                cv2.circle(img_opencv,(left, top),5,(0,0,255),-1)
                cv2.circle(img_opencv,(right, bottom),5,(255,0,0),-1)
            retval,buffer= cv2.imencode('.jpg', img_opencv)
            response = make_response(buffer.tobytes())
            response.headers['Content-Type']='image'return response
        else:return jsonify({"status":"Bad request","message":"Parameter url is not present"}),400elif request.method =='POST':if request.files.get('image'):return jsonify({"status":"Ok","result": fc.face_detection(request.files['image'].read())}),200else:return jsonify({"status":"Bad request","message":"Parameter image is not present"}),400else:return jsonify({"status":"Failure","message":"PUT method not supported for API"}),405

修改之后，我们就可以通过 GET 请求来查看程序效果：

http://10.140.12.255:5000/detect?url=https://imgs.mmkk.me/wmnv/img/20190625073459-5d11cea35c407.png

在服务器端绘制检测框并返回

小结

在本文中，我们使用 

Python Web

框架创建并部署了一个完整的 

Web

人脸检测应用程序，同时在项目中我们处理了来自浏览器的不同请求方式(例如 

GET

和 

POST

等)，并通过实战使用 

OpenCV

和 

Flask

创建 

Web

人脸检测 

API

，同时我们还使用了两种不同类型的响应结果提供不同的请求结果。

系列链接

OpenCV-Python实战（1）——OpenCV简介与图像处理基础
OpenCV-Python实战（2）——图像与视频文件的处理
OpenCV-Python实战（3）——OpenCV中绘制图形与文本
OpenCV-Python实战（4）——OpenCV常见图像处理技术
OpenCV-Python实战（5）——OpenCV图像运算
OpenCV-Python实战（6）——OpenCV中的色彩空间和色彩映射
OpenCV-Python实战（7）——直方图详解
OpenCV-Python实战（8）——直方图均衡化
OpenCV-Python实战（9）——OpenCV用于图像分割的阈值技术
OpenCV-Python实战（10）——OpenCV轮廓检测
OpenCV-Python实战（11）——OpenCV轮廓检测相关应用
OpenCV-Python实战（12）——一文详解AR增强现实
OpenCV-Python实战（13）——OpenCV与机器学习的碰撞
OpenCV-Python实战（14）——人脸检测详解
OpenCV-Python实战（15）——面部特征点检测详解
OpenCV-Python实战（16）——人脸追踪详解
OpenCV-Python实战（17）——人脸识别详解
OpenCV-Python实战（18）——深度学习简介与入门示例
OpenCV-Python实战（19）——OpenCV与深度学习的碰撞
OpenCV-Python实战（20）——OpenCV计算机视觉项目在Web端的部署

标签： python opencv 计算机视觉
本文转载自: https://blog.csdn.net/LOVEmy134611/article/details/123203311
版权归原作者 盼小辉丶 所有， 如有侵权，请联系我们删除。
登录后发布评论

“OpenCV-Python实战（21）——OpenCV人脸检测项目在Web端的部署”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

FIPS203 后量子安全ML-KEM(标准简读)

安科瑞电机保护器，电机安全有保障

【Linux探索学习】第十五弹——环境变量：深入解析操作系统中的进程环境变量

git gc

【Linux】命名管道的妙用：实现进程控制与实时字符交互

CentOS系统下Hadoop单节点集群安装与配置详细教程（小白版）

前端速通（HTML）

文章导航