Python+Flask编写一个简单的行人检测API

2024-09-29 15:25:48

前提条件

1.了解Python语言，并会安装第三方库

2.了解Python Web Flask框架

3.了解PyTorch深度学习框架

实验环境

Python 3.6.2
PyTorch 1.7.1
Flask 1.1.1
Numpy 1.18.5
Opencv 3.4.2
PIL pip3 install pillow

项目结构

主要代码

完整代码，暂时没空整理，如整理完，后续会发布，敬请期待！

#!/usr/bin/python
# -*- coding: UTF-8 -*-
import imp
from flask import request, jsonify, send_from_directory, abort
from werkzeug.utils import secure_filename
from flask import Flask, render_template, jsonify, request
from predict import pre
import time
import os
import base64

app = Flask(__name__)
UPLOAD_FOLDER = 'upload'
app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER
basedir = os.path.abspath(os.path.dirname(__file__))
ALLOWED_EXTENSIONS = set(['txt', 'png', 'jpg', 'xls', 'JPG', 'PNG', 'xlsx', 'gif', 'GIF'])

# 用于判断文件后缀
def allowed_file(filename):
    return '.' in filename and filename.rsplit('.', 1)[1] in ALLOWED_EXTENSIONS

# 上传
@app.route('/upload')
def upload_test():
    return render_template('upload.html')

@app.route("/api/download/<filename>", methods=['GET'])
def download(filename):
    if request.method == "GET":
        if os.path.isfile(os.path.join('upload', filename)):
            return send_from_directory('upload', filename, as_attachment=True)
        abort(404)

# 上传文件
@app.route('/api/upload', methods=['POST'], strict_slashes=False)
def api_upload():
    file_dir = os.path.join(basedir, app.config['UPLOAD_FOLDER'])
    if not os.path.exists(file_dir):
        os.makedirs(file_dir)
    f = request.files['myfile']  # 从表单的file字段获取文件，myfile为该表单的name值
    if f and allowed_file(f.filename):  # 判断是否是允许上传的文件类型
        fname = secure_filename(f.filename)
        print(fname)
        ext = fname.rsplit('.', 1)[1]  # 获取文件后缀
        unix_time = int(time.time())
        new_filename = str(unix_time) + '.' + ext  # 修改了上传的文件名
        f.save(os.path.join(file_dir, new_filename))  # 保存文件到upload目录
        img_path = os.path.join("upload", new_filename)
        print(img_path)
        pre_result = pre(img_path)
        print(pre_result)
        token = base64.b64encode(new_filename.encode('utf-8'))
        print(token)
        return jsonify({"code": 0, "errmsg": "OK", "token": token, "fileName": "/api/download/" + new_filename,"detect_result:":pre_result})
    else:
        return jsonify({"code": 1001, "errmsg": "ERROR"})

if __name__ == '__main__':
	app.run(host="0.0.0.0",port="5000",threaded=True,debug=False)

<!DOCTYPE html>
<html>
	<head>
		<meta charset="UTF-8">
		<link href="{{url_for('static', filename='obj_classification.css')}}" rel="external nofollow"  rel="stylesheet" type="text/css" />
		<title>图片识别--Person</title>
	</head>
	<body>
		<h1>图片识别--Person</h1>
		<div class="container">
			<div class="choose">
				<form action="http://IP地址:5000/api/upload" enctype='multipart/form-data' method='POST'>
					<input type="file" name="myfile" class="input-new" style="margin-top:20px;" />
					<input type="submit" value="识别图片" class="button-new" style="margin-top:15px;" />
				</form>
			</div>
			<div class="display">
				<img src="{{ url_for('static', filename='images/test.jpg',_t=val1) }}" width="400" height="500" alt="图片" />
			</div>
		</div>
	</body>
</html>

运行结果

{
  "code": 0,
  "detect_result:": [
    {
      "bbox": [
        51.0,
        265.0,
        543.0,
        437.0
      ],
      "class": "b'person 0.78'"
    },
    {
      "bbox": [
        43.0,
        433.0,
        543.0,
        609.0
      ],
      "class": "b'person 0.77'"
    },
    {
      "bbox": [
        44.0,
        133.0,
        543.0,
        309.0
      ],
      "class": "b'person 0.76'"
    },
    {
      "bbox": [
        46.0,
        526.0,
        543.0,
        665.0
      ],
      "class": "b'person 0.74'"
    },
    {
      "bbox": [
        107.0,
        51.0,
        525.0,
        181.0
      ],
      "class": "b'person 0.62'"
    }
  ],
  "errmsg": "OK",
  "fileName": "/api/download/1645974252.jpg",
  "token": "MTY0NTk3NDI1Mi5qcGc="
}

以上就是Python+Flask编写一个简单的行人检测API的详细内容，更多关于Python Flask行人检测的资料请关注我们其它相关文章！

Python+OpenCV内置方法实现行人检测

您是否知道 OpenCV 具有执行行人检测的内置方法? OpenCV 附带一个预训练的 HOG + 线性 SVM 模型,可用于在图像和视频流中执行行人检测. 今天我们使用Opencv自带的模型实现对视频流中的行人检测,只需打开一个新文件,将其命名为 detect.py ,然后加入代码: # import the necessary packages from __future__ import print_function import numpy as np import argparse i
python中使用OpenCV进行人脸检测的例子

OpenCV的人脸检测功能在一般场合还是不错的.而ubuntu正好提供了python-opencv这个包,用它可以方便地实现人脸检测的代码. 写代码之前应该先安装python-opencv: 复制代码代码如下: $ sudo apt-get install python-opencv 具体原理就不多说了,可以参考一下这篇文章.直接上源码. 复制代码代码如下: #!/usr/bin/python# -*- coding: UTF-8 -*- # face_detect.py # Face De
Python flask框架如何显示图像到web页面

代码如下 webfig1.py from flask import Flask from flask import render_template import matplotlib.pyplot as plt import io import base64 app = Flask(__name__) @app.route('/') def build_plot(): img = io.BytesIO() y = [1,2,3,4,5] x = [0,2,1,3,4] plt.plot(x,y)
python使用dlib进行人脸检测和关键点的示例

#!/usr/bin/env python # -*- coding:utf-8-*- # file: {NAME}.py # @author: jory.d # @contact: dangxusheng163@163.com # @time: 2020/04/10 19:42 # @desc: 使用dlib进行人脸检测和人脸关键点 import cv2 import numpy as np import glob import dlib FACE_DETECT_PATH = '/home/b
python+opencv3.4.0 实现HOG+SVM行人检测的示例代码

参照opencv官网例程写了一个基于python的行人检测程序,实现了和自带检测器基本一致的检测效果. 网址 :https://docs.opencv.org/3.4.0/d5/d77/train_HOG_8cpp-example.html opencv版本:3.4.0 训练集和opencv官方用了同一个,可以从http://pascal.inrialpes.fr/data/human/下载,在网页的最下方"here(970MB处)",用迅雷下载比较快(500kB/s).训练集文件比较
浅谈Python flask框架

目录 1. flask 框架概述 1.1flask 框架优势 1.2flask 框架获取 1.3flask 框架使用 2. flask demo步骤 3. flask 基础功能 3.1路由功能 3.2模版提供 4.总结前言: Python 面向对象的高级编程语言,以其语法简单.免费开源.免编译扩展性高,同时也可以嵌入到C/C++程序和丰富的第三方库,Python运用到大数据分析.人工智能.web后端等应用场景上. Python 目前主要流行的web框架:flask.Django.Tornad
Python+Flask编写一个简单的行人检测API

目录前提条件实验环境项目结构主要代码运行结果前提条件 1.了解Python语言,并会安装第三方库 2.了解Python Web Flask框架 3.了解PyTorch深度学习框架实验环境 Python 3.6.2 PyTorch 1.7.1 Flask 1.1.1 Numpy 1.18.5 Opencv 3.4.2 PIL pip3 install pillow 项目结构相关说明: static:用于存储静态文件,比如css.js和图片等 templates:存放模板文件 upl
python+flask编写一个简单的登录接口

在学习接口测试的时候往往会因为没有实际操作的接口进行测试而烦恼,这里教大家自己编写两个接口用于学习接口测试 1.编写一个登录的接口 2.在pycharm运行 3.使用apipost进行登录接口测试输入url和参数值进行访问,访问成功. 4.在pycharm查看是否正常进行访问 5.在编写一个需要登录返回的token直接访问的查询接口 6.运行登录和查询两个接口 7.使用apipost进行登录和查询的接口测试首先进行登录的接口测试获取返回的token 使用登录返回的token值进行查询的接口测
基于Python编写一个简单的端口扫描器

目录 1.需要的库 2.获取一个 host 地址 3.循环所有的端口 4.完整脚本端口扫描是非常实用的,不止用在信息安全方面,日常的运维也用得到.这方面的工具也不要太多,搞过 CTF 的朋友会告诉你有多少端口扫描工具,那为什么还要用 Python 再自己实现一遍?这个问题就像饭店里的菜已经很好吃了,为什么还要自己烧菜一样,主要还是为了适合自己的口味,添加自己需要的个性功能. 今天我们将用 20 行代码编写一个简单的端口扫描器.让我们开始吧! 1.需要的库都是标准库,因此内网环境也不影响: i
python+flask编写接口实例详解

环境:Pycharm :其他环境:安装Anaconda 最近在做一个小型项目练手,涉及到大量的IP和相关数据处理,所以选用了Python来处理数据,但是处理完怎么给前端调用呢,今天这篇就是在Python方便地处理完数据后以接口形式把数据返回给前端. flask就是使用Python编写接口实例的关键库,先配置项目: ①(这一步可以使用Python默认解释器,但是后续安装库可能还需要配置,建议使用Anaconda)首先打开PyCharm,在file->settings->Project->p
使用原生js编写一个简单的框选功能方法

今天我们来聊一下怎么使用原生javascript编写一个简单的框选功能. 需求描述鼠标左键按下不放,移动鼠标出现矩形选框: 鼠标左键松开,根据上边出现的矩形选框统计选框范围内的DOM元素: 嗯...上边的功能描述看着是挺简单的,但实现起来也还是会有些地方需要斟酌思考的.比如,如果我们的框选范围不是document.body,而是某一个div里边进行框选呢?而现实开发过程中,我们会遇上的应该就是第二种情况. 点击查看完整的源码怎么实现二话不说,咱们动手写代码吧!因为更好的兼容性,这里就避免了
Python 如何创建一个简单的REST接口

问题你想使用一个简单的REST接口通过网络远程控制或访问你的应用程序,但是你又不想自己去安装一个完整的web框架. 解决方案构建一个REST风格的接口最简单的方法是创建一个基于WSGI标准(PEP 3333)的很小的库,下面是一个例子: # resty.py import cgi def notfound_404(environ, start_response): start_response('404 Not Found', [ ('Content-type', 'text/plain')
Python+Kivy编写一个乒乓球游戏

目录前言 1.准备 2.简单使用 Kivy 3.Kivy - 添加简单图形 4. Kivy - 增加乒乓球球体 5. kivy - 增加乒乓球体运动 6. Kivy - 球拍移动事件前言好久没有写游戏系列教程了,今天恰好浏览到了 Kivy 这个开源跨平台的Python 框架,它能用于开发多点触控的用户界面程序,允许快速简单的交互设计,非常方便,于是有了制作本教程的想法. 本教程将教你如何使用 Kivy 编写一款乒乓球游戏.我们将从一个基本的应用程序开始,描述创建这个游戏的每个步骤. Kiv
Python flask sqlalchemy的简单使用及常用操作

目录前言 flask sqlalchemy的配置使用 sqlalchemy的增删改查查询数据增加数据修改数据删除数据总结前言说到面向对象,大家都不陌生.关系型数据库也是后端日常用来存储数据的,但数据库是关系型的,因此,ORM通过对象模型和数据库的关系模型之间建立映射,我们就能像操作对象一样来操作数据库. ORM的优点主要是面向对象编程,不需写原生SQL,用操作对象的方式访问数据.当然,缺点就是当遇到复杂的操作时,ORM就不那么好写了,还有就是加了一层映射,执行效率低于原生sql.
利用Rust编写一个简单的字符串时钟

目录 1.简介 2.用到的知识点 2.1 取utc时间 2.2 图片变换为像素图案 2.3 字符方式显示当前时间 2.4 时间刷新 1.简介用rust写的一个简单的练手的demo,一个字符串时钟,在终端用字符串方式显示当前时间.本质是对图片取灰度,然后每个像素按灰度门限用星号代替灰度值,就把图片变为由星号组成的字符型图案.把时间字符串的每个字符按照字母和数字图片的样式转换为字符,然后拼接字符图案就实现了字符时钟的效果. 主要用到的知识有:rust操作时间.字符串.vector,字符串和vect

Python+Flask编写一个简单的行人检测API

目录

前提条件

实验环境

项目结构

主要代码

运行结果

相关推荐

随机推荐