### [百度一键人像分割 API 试用](https://pmself.com/article/1200)

**Published:** 2022-03-07T11:14:33

**Author:** pmself

**Excerpt:** 近期百度上线了人像抠图 API - 人像分割 - 识别图像中的人体轮廓，与背景进行分离，其主要分析能力为： 识…

近期百度上线了人像抠图 API – [人像分割 – 识别图像中的人体轮廓，与背景进行分离](http://ai.baidu.com/tech/body/seg)，其主要分析能力为：

> 识别人体的轮廓范围，与背景进行分离，适用于拍照背景替换、照片合成、身体特效等场景；
> 
> 输入正常人像图片，返回分割后的二值结果图，返回的二值图像需要进行二次处理才可查看分割效果.

技术和应用场景简单介绍参考 – [人像分割技术正式上线 一键抠像 欢迎免费使用](http://ai.baidu.com/forum/topic/show/892416).

## 1\. 百度人像分割技术简介

**核心能力**

精准识别图像中的人体轮廓边界，将人体轮廓与图像背景进行分离，实现像素级分割，一键抠像.

**技术优势**

-   适应性强：图像中有多个人体，或者背景比较复杂时，都不在话下，还能hold住人体位置重叠、遮挡、背面、侧面、大动作等各类场景.
-   精准分割：人体轮廓边缘清晰可见，评测IoU 95%以上.

![](https://pmself.com/wp-content/uploads/2022/03/5ce8e00f25e02.jpg)

分割效果图

**应用场景**

-   **人像抠图**  
    将原始图片中的人像分离出来，选择新的背景图像进行替换、合成；同时可以对背景进行虚化处理，突出人像，实现大光圈人像拍照效果。手残党也能变成修图小能手~
-   **人体特效**  
    视频直播过程中，识别用户的人体轮廓，为人像实时增加各种设定的背景特效、贴纸道具，拉轰、上档次，妥妥的！

示例：

![](https://pmself.com/wp-content/uploads/2022/03/5ce8e00f6bd4b.jpg)

图片去背景

![](https://pmself.com/wp-content/uploads/2022/03/5ce8e00fae088.jpg)

照片背景替换

**典型案例** – 美啦相机APP

美啦相机是广州光锥元信息科技有限公司推出的美颜美体应用软件，为女性提供全能的修图服务. 今年8月接入百度人像分割技术，精确分离照片中的人像和背景，为用户提供换背景、给背景添加滤镜、景深模式等定制化个性服务. 一秒就变小仙女~

![](https://pmself.com/wp-content/uploads/2022/03/5ce8e0102457f.jpg)

**如何接入**

人像分割服务已正式上线，欢迎免费试用，请戳这里：[http://ai.baidu.com/tech/body/seg](http://ai.baidu.com/tech/body/seg)

![](https://pmself.com/wp-content/uploads/2022/03/5ce8e010763a5.jpg)

## 2\. Python 调用百度 API 测试 Demo

需要首先安装 `baidu-aip-2.2.8.0` 包

```
sudo pip2 install baidu-aip
# 或
sudo pip3 install baidu-aip
```

百度 API 测试代码如下：

```
import cv2
import base64
import numpy as np

from aip import AipBodyAnalysis

# 在百度云中申请，每天各接口有 500 次调用限制.
APP_ID = '****'
API_KEY = '****'
SECRET_KEY = '****'

client = AipBodyAnalysis(APP_ID, API_KEY, SECRET_KEY)

imgfile = 'test.jpg'
ori_img = cv2.imread(imgfile)
height, width, _ = ori_img.shape

with open(imgfile, 'rb') as fp:
    img_info = fp.read()

seg_res = client.bodySeg(img_info)
labelmap = base64.b64decode(seg_res['labelmap'])
nparr = np.fromstring(labelmap, np.uint8)
labelimg = cv2.imdecode(nparr,1)
labelimg = cv2.resize(labelimg,(width,height), interpolation=cv2.INTER_NEAREST)
new_img = np.where(labelimg==1, 255, labelimg)
maskfile = imgfile.replace('.jpg', '_mask.png')
cv2.imwrite(maskfile, new_img)

res_imgfile = imgfile.replace('.jpg', '_res.jpg')
result = cv2.bitwise_and(ori_img, new_img)
cv2.imwrite(res_imgfile, result)

print('Done.')
```

随便从淘宝上找了几张模特图，测试结构如下：

![](https://pmself.com/wp-content/uploads/2022/03/5ce8e0115ab38.jpg)

**总结：**

根据 API 输出结果解析出来的 shape 为 473x473x3，应该采用了类似于 PSPNet 的语义分割网络做的二类分割背景人体背景+人体.

测试结果感觉差强人意.

**Tags:** 人像分割

**Categories:** 技术

---