1.功能描述：
检测图像中的人体并返回人体矩形框位置，精准定位21个核心关键点，包含头顶、五官、颈部、四肢主要关节部位，支持多人检测、大动作等复杂场景
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人体关键点识别分析接口调用：
详细说明请参考： https://ai.baidu.com/docs#/Body-API/b717c300
说明的比较清晰，这里就不重复了。
大家需要注意的是：
API访问URL：https://aip.baidubce.com/rest/2.0/image-classify/v1/body_analysis
图像数据，base64编码后进行urlencode，要求base64编码和urlencode后大小不超过4M。图片的base64编码是不包含图片头的，如(data:image/jpg;base64,)，支持图片格式：jpg、bmp、png，最短边至少50px，最长边最大4096px
Python3调用代码如下：
#画出人体识别结果
def draw_bodys(originfilename,bodys,resultfilename,pointsize):
from PIL import Image, ImageDraw
image_origin = Image.open(originfilename)
draw =ImageDraw.Draw(image_origin)
for body in bodys:
for body_part in body['body_parts'].values():
#print(body_part)
draw.ellipse((body_part['x']-pointsize,body_part['y']-pointsize,body_part['x']+pointsize,body_part['y']+pointsize),fill = "blue")
gesture = body['location']
draw.rectangle((gesture['left'],gesture['top'],gesture['left']+gesture['width'],gesture['top']+gesture['height']),outline = "red")
image_origin.save(resultfilename, "JPEG")
#人体识别
#filename:原图片名（本地存储包括路径）
def body_analysis(filename,resultfilename,pointsize):
request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_analysis"
print(filename)
# 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 = 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)
#print(data)
result=data['person_info']
draw_bodys(filename,result,resultfilename,pointsize)
4.功能评测：
选用不同的数据对效果进行测试，具体效果如下（以下例子均来自网上）：
单人不同姿态：
处理时长:0.49秒
person_num: 1
处理时长:0.46秒
person_num: 1
处理时长:0.39秒
person_num: 1
处理时长:0.44秒
person_num: 1
黑白照片：
处理时长:0.68秒
person_num: 1
多人照片：
多人复杂场景：
处理时长:0.81秒
person_num: 3
将海报内容误识别为人。不过海报的内容好像也是一张人脸的一部分。
最后再来一张多人各种动作都有的：
处理时长:0.59秒
person_num: 7
可以看到效果非常好，非常准确。
5.测试结论和建议
测试下来，整体识别效果不错。对于人体关键点有较强的识别能力，效果很好，速度也很快。可以广泛的应用于体育健身，娱乐互动，安防监控等场景。
不过对于倒立及多人复杂场景人体关键点的图片，识别率还有提高的空间，希望后续进一步提高。
希望能够增加返回的内容选项，包括身体倾斜度，手臂、腿部与身体的夹角等。方便在实际应用中使用。
