1.需求描述：
在一个地区，人流密度过大很容易造成踩踏事故，人流量统计动态版可以统计图像中的人体个数和流动趋势，与监控技术结合起来，可以提前预警，进而避免悲剧的发生。
2.平台接入
人流量统计动态版接入网址：https://console.bce.baidu.com/ai/?fromai=1#/ai/body/overview/index
界面如下图所示：
点击创建应用，输入应用名，点击确认。
查看生成的应用，查看APIKEY和SecretKey，在后续的代码中替换对应的内容即可执行。
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人流量统计动态版分析接口调用：
详细说明请参考：http://ai.baidu.com/docs#/Body-API/1a6628be
接口描述
对于输入的一张图片（可正常解码，且长宽比适宜），识别和统计图像当中的人体个数（静态统计，不支持追踪和去重）。
适用于3米以上的中远距离俯拍，以头部为主要识别目标统计人数，无需正脸、全身照，适应各类人流密集场景（如：机场、车展、景区、广场等）；默认识别整图中的人数，支持指定不规则区域的人数统计，同时可输出渲染图片。
摄像头硬件选型无特殊要求，分辨率建议720p以上，更低分辨率的图片也能识别，只是效果可能有差异。暂不适用夜间红外监控图片，后续会考虑扩展。
请求说明
HTTP 方法：POST
请求URL：https://aip.baidubce.com/rest/2.0/image-classify/v1/body_num
URL参数：
access_token: 通过API Key和Secret Key获取的access_token，参考”Access Token获取”
Header：
Content-Type: application/x-www-form-urlencoded
Body中放置请求参数，参数详情如下：
返回说明
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)
#人流量统计
#filename:原图片名（本地存储包括路径）；resultfilename:处理后的文件保存名称(每个人打标)
def body_num(filename,resultfilename):
request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_num"
# 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['show'] = 'true'
params = urllib.parse.urlencode(params).encode("utf-8")
#params = json.dumps(params).encode('utf-8')
access_token = get_token()
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()
if content:
#print(content)
content=content.decode('utf-8')
#print(content)
data = json.loads(content)
#print(data)
person_num=data['person_num']
print ('person_num',person_num)
img_str=data['image']
save_base_image(img_str,resultfilename)
body_num('crowd1.jpg','crowd1_num.jpg')
3.3.功能评测：
选用不同的数据对图片流量统计动态版的效果进行测试，具体效果如下：
person_num 4
person_num 8
针对不同场景进行测试，总体来看还是很准确的。。
3.5 应用前景：
安防监控：实时监测机场、车站、展会、展馆、景区、学校、体育场等公共场所的人流量，及时导流、限流，预警核心区域人群过于密集等安全隐患
智能零售：统计商场、门店的进出人流量，分析消费者重点关注、停留的区域，支持店铺规划、客群导流、货品陈列优化、门店选址、进销存管理等应用
驾驶监测：针对客运车辆，实时监控上下车和车内乘客数量，替代人工清点的方式，自动统计人数，分析空座、超载情况，节省人力，提升安全性
4.应用方案：
4.1 整体方案
主要功能包括：
通过监控系统采集关键区域的照片。
通过百度AI对照片进行分析，判断人数。
对区域人数进行分析、告警。如果需要，启动应急预案。
通过短信网关，APP，电话，监控大屏等执行应急预案。
整体架构如下图所示：
4.2 关键代码:
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)
#人流量统计
#filename:原图片名（本地存储包括路径）；resultfilename:处理后的文件保存名称(每个人打标)
def body_num(filename,resultfilename):
request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_num"
# 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['show'] = 'true'
params = urllib.parse.urlencode(params).encode("utf-8")
#params = json.dumps(params).encode('utf-8')
access_token = get_token()
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()
person_num=0
if content:
#print(content)
content=content.decode('utf-8')
#print(content)
data = json.loads(content)
#print(data)
person_num=data['person_num']
print ('person_num',person_num)
img_str=data['image']
save_base_image(img_str,resultfilename)
return person_num
#人数预警例代码
#filename:原图片名（本地存储包括路径）；resultfilename:处理后的文件保存名称(每个人打标)
#warningnum告警人数
def crowd_num_warning(filename,resultfilename,warningnum):
person_num=body_num(filename,resultfilename)
if person_num>warningnum:
warningmessage="警告：人数过于拥挤，最大人数"+str(warningnum)+"，当前人数:"+str(person_num)
print(warningmessage)
#TODO:增加其他预警处理代码，比如将信息通过短信，APP发布给相关人
crowd_num_warning('crowd2.jpg','crowd2_num.jpg',30)
4.3 效果测试:
应用场景1：假设一个路口安全最大人数30人，则监控系统定期执行crowd_num_warning(监控图片,处理后图片名,30)，测试结果如下:
警告信息如下：
警告：人数过于拥挤，最大人数30，当前人数:65。
应用场景2：假设一个候车室安全人数300人，则监控系统定期执行crowd_num_warning(监控图片,处理后图片名,300)，测试结果如下:
警告信息如下：
警告：人数过于拥挤，最大人数300，当前人数:369
通过对不同视角，不同解析度的图片进行测试，发现识别的效果都很好。再与自动呼叫，短信，微信等平台结合起来就可以形成对公共安全解决方案，在过于拥挤的时候尽快的通知相关人员，启动疏散方案。
