文档中心

上云无忧 > 文档中心 > 百度智能云人体分析API文档 - 人体关键点识别
百度智能云
人体关键点识别
简介/价格/文档
百度智能云人体分析API文档 - 人体关键点识别

文档简介：
接口描述： 对于输入的一张图片（可正常解码，且长宽比适宜），检测图片中的所有人体，输出每个人体的21个主要关键点，包含头顶、五官、脖颈、四肢等部位，同时输出人体的坐标信息和数量。
*此产品及展示信息均由百度智能云官方提供。免费试用 咨询热线：400-826-7010，为您提供专业的售前咨询，让您快速了解云产品，助您轻松上云！ 微信咨询
  免费试用、价格特惠

接口描述

对于输入的一张图片（可正常解码，且长宽比适宜），检测图片中的所有人体，输出每个人体的21个主要关键点，包含头顶、五官、脖颈、四肢等部位，同时输出人体的坐标信息和数量。

支持多人检测、人体位置重叠、遮挡、背面、侧面、中低空俯拍、大动作等复杂场景。

21个关键点的位置：头顶、左耳、右耳、左眼、右眼、鼻子、左嘴角、右嘴角、脖子、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左髋部、右髋部、左膝、右膝、左脚踝、右脚踝。示意图如下，正在持续扩展更多关键点，敬请期待。

单人场景：

多人场景：

在线调试

您可以在 示例代码中心 中调试该接口，可进行签名验证、查看在线调用的请求内容和返回结果、示例代码的自动生成。

请求说明

请求示例

HTTP 方法：POST

请求URL： https://aip.baidubce.com/rest/2.0/image-classify/v1/body_analysis

URL参数：

参数 值
access_token 通过API Key和Secret Key获取的access_token，参考“Access Token获取”

Header如下：

参数 值
Content-Type application/x-www-form-urlencoded

Body中放置请求参数，参数详情如下：

请求参数

参数 是否必选 类型 可选值范围 说明
image 是 string - 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

请求代码示例

提示一：使用示例代码前，请记得替换其中的示例Token、图片地址或Base64信息。

提示二：部分语言依赖的类或库，请在代码注释中查看下载地址。 

人体关键点识别 curl -i -k 'https://aip.baidubce.com/rest/2.0/image-classify
/v1/body_analysis?access_token=【调用鉴权接口获取的token】' --data 'image
=【图片Base64编码，需UrlEncode】' -H 'Content-Type:application/x-www-form-urlencoded'


返回说明

接口除了返回人体框和每个关键点的坐标信息外，还会输出人体框和关键点的概率分数，实际应用中可以基于概率分数进行过滤，排除掉分数低的误识别“无效人体”，推荐的过滤方案：当关键点得分大于0.2的个数大于3，且人体框的得分大于0.03时，才认为是有效人体。

实际应用中，可根据对误识别、漏识别的容忍程度，调整阈值过滤方案，灵活应用，比如对误识别容忍低的应用场景，人体框的得分阈值可以提到0.06甚至更高。

返回参数

字段 是否必选 类型 说明
log_id 是 uint64 唯一的log id，用于问题定位
person_num 是 uint32 人体数目
person_info 是 object[] 人体姿态信息
+location 是 object 人体坐标信息
++height 是 float 人体区域的高度
++left 是 float 人体区域离左边界的距离
++top 是 float 人体区域离上边界的距离
++width 是 float 人体区域的宽度
++score 是 float 人体框的概率分数，取值0-1，得分越接近1表示识别准确的概率越大
+body_parts 是 object 身体部位信息，包含21个关键点
++top_head 是 object 头顶
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++left_eye 是 object 左眼
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++right_eye 是 object 右眼
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++nose 是 object 鼻子
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++left_ear 是 object 左耳
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++right_ear 是 object 右耳
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++left_mouth_corner 是 object 左嘴角
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++right_mouth_corner 是 object 右嘴角
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++neck 是 object 颈部
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++left_shoulder 是 object 左肩
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++right_shoulder 是 object 右肩
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++left_elbow 是 object 左手肘
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++right_elbow 是 object 右手肘
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++left_wrist 是 object 左手腕
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++right_wrist 是 object 右手腕
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++left_hip 是 object 左髋部
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++right_hip 是 object 右髋部
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++left_knee 是 object 左膝
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++right_knee 是 object 右膝
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++left_ankle 是 object 左脚踝
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数
++right_ankle 是 object 右脚踝
+++x 是 float x坐标
+++y 是 float y坐标
+++score 是 float 概率分数

说明：

1、body_parts，一共21个part，每个part包含x，y两个坐标，如果part被截断，则x、y坐标为part被截断的图片边界位置，part顺序以实际返回顺序为准。

2、接口返回人体坐标框和每个关键点的置信度分数，在应用时可综合置信度score分数，过滤掉置信度低的“无效人体”，建议过滤方法：当关键点得分大于0.2的个数大于3，且人体框的分数大于0.03时，才认为是有效人体。实际应用中，可根据对误识别、漏识别的容忍程度，调整阈值过滤方案，灵活应用。

返回示例 

{
	"person_num": 2,
	"person_info": [
		{
			"body_parts": {
				"left_hip": {
					"y": 573,
					"x": 686.09375,
					"score": 0.78743487596512
				},
				"top_head": {
					"y": 242.53125,
					"x": 620,
					"score": 0.87757384777069
				},
				"right_mouth_corner": {
					"y": 308.625,
					"x": 606.78125,
					"score": 0.90121293067932
				},
				"neck": {
					"y": 335.0625,
					"x": 620,
					"score": 0.84662038087845
				},
				"left_shoulder": {
					"y": 361.5,
					"x": 699.3125,
					"score": 0.83550786972046
				},
				"left_knee": {
					"y": 731.625,
					"x": 699.3125,
					"score": 0.83575332164764
				},
				"left_ankle": {
					"y": 877.03125,
					"x": 725.75,
					"score": 0.85220056772232
				},
				"left_mouth_corner": {
					"y": 308.625,
					"x": 633.21875,
					"score": 0.91475087404251
				},
				"right_elbow": {
					"y": 348.28125,
					"x": 461.375,
					"score": 0.81766486167908
				},
				"right_ear": {
					"y": 282.1875,
					"x": 593.5625,
					"score": 0.86551451683044
				},
				"nose": {
					"y": 295.40625,
					"x": 620,
					"score": 0.90894532203674
				},
				"left_eye": {
					"y": 282.1875,
					"x": 633.21875,
					"score": 0.89628517627716
				},
				"right_eye": {
					"y": 282.1875,
					"x": 606.78125,
					"score": 0.89676940441132
				},
				"right_hip": {
					"y": 586.21875,
					"x": 593.5625,
					"score": 0.79803824424744
				},
				"left_wrist": {
					"y": 374.71875,
					"x": 884.375,
					"score": 0.89635348320007
				},
				"left_ear": {
					"y": 295.40625,
					"x": 659.65625,
					"score": 0.86607384681702
				},
				"left_elbow": {
					"y": 361.5,
					"x": 791.84375,
					"score": 0.83910942077637
				},
				"right_shoulder": {
					"y": 348.28125,
					"x": 553.90625,
					"score": 0.85635334253311
				},
				"right_ankle": {
					"y": 890.25,
					"x": 580.34375,
					"score": 0.85149073600769
				},
				"right_knee": {
					"y": 744.84375,
					"x": 580.34375,
					"score": 0.83749794960022
				},
				"right_wrist": {
					"y": 348.28125,
					"x": 368.84375,
					"score": 0.83893859386444
				}
			},
			"location": {
				"height": 703.20654296875,
				"width": 652.61810302734,
				"top": 221.92272949219,
				"score": 0.99269664287567,
				"left": 294.03039550781
			}
		},
		{
			"body_parts": {
				"left_hip": {
					"y": 576,
					"x": 1239.5625,
					"score": 0.84608125686646
				},
				"top_head": {
					"y": 261.15625,
					"x": 1176.59375,
					"score": 0.871442258358
				},
				"right_mouth_corner": {
					"y": 336.71875,
					"x": 1164,
					"score": 0.90951544046402
				},
				"neck": {
					"y": 361.90625,
					"x": 1176.59375,
					"score": 0.85904294252396
				},
				"left_shoulder": {
					"y": 361.90625,
					"x": 1239.5625,
					"score": 0.8512310385704
				},
				"left_knee": {
					"y": 714.53125,
					"x": 1277.34375,
					"score": 0.82312393188477
				},
				"left_ankle": {
					"y": 853.0625,
					"x": 1315.125,
					"score": 0.83786374330521
				},
				"left_mouth_corner": {
					"y": 336.71875,
					"x": 1189.1875,
					"score": 0.90610301494598
				},
				"right_elbow": {
					"y": 387.09375,
					"x": 1025.46875,
					"score": 0.88956367969513
				},
				"right_ear": {
					"y": 311.53125,
					"x": 1138.8125,
					"score": 0.86518502235413
				},
				"nose": {
					"y": 324.125,
					"x": 1176.59375,
					"score": 0.9168484210968
				},
				"left_eye": {
					"y": 311.53125,
					"x": 1189.1875,
					"score": 0.91715461015701
				},
				"right_eye": {
					"y": 311.53125,
					"x": 1164,
					"score": 0.90343600511551
				},
				"right_hip": {
					"y": 576,
					"x": 1164,
					"score": 0.81976848840714
				},
				"left_wrist": {
					"y": 298.9375,
					"x": 1378.09375,
					"score": 0.86095398664474
				},
				"left_ear": {
					"y": 311.53125,
					"x": 1201.78125,
					"score": 0.86899447441101
				},
				"left_elbow": {
					"y": 324.125,
					"x": 1315.125,
					"score": 0.89198768138885
				},
				"right_shoulder": {
					"y": 387.09375,
					"x": 1101.03125,
					"score": 0.85161662101746
				},
				"right_ankle": {
					"y": 878.25,
					"x": 1151.40625,
					"score": 0.83667933940887
				},
				"right_knee": {
					"y": 727.125,
					"x": 1151.40625,
					"score": 0.85485708713531
				},
				"right_wrist": {
					"y": 387.09375,
					"x": 949.90625,
					"score": 0.83042001724243
				}
			},
			"location": {
				"height": 670.80139160156,
				"width": 524.25476074219,
				"top": 241.42504882812,
				"score": 0.98725789785385,
				"left": 902.15216064453
			}
		}
	],
	"log_id": "6362401025381690607"
}
相似文档
  • 百度智能云人体分析错误码
    错误返回格式： 若请求错误，服务器将返回的JSON文本包含以下参数： error_code：错误码。 error_msg：错误描述信息，帮助理解和解决发生的错误。
  • 百度智能云人体分析API文档 - 简介
    Hi，您好，欢迎使用百度人体分析在线API服务。 本文档主要针对API开发者，描述百度人体分析接口服务的相关技术内容。如果您对文档内容有任何疑问，可以通过以下几种方式联系我们：
  • 百度智能云人体分析API文档 - 调用方式
    调用人体分析服务的API接口有两种调用方式，两种不同的调用方式采用相同的接口URL。 区别在于 请求方式 和 鉴权方法 不一样，请求参数和返回结果一致。 调用方式一： 请求URL数据格式： 向API服务地址使用POST发送请求，必须在URL中带上参数： access_token：必须参数，参考“Access Token获取”。
  • 百度智能云人体分析API文档 - 人体检测与属性识别
    接口描述： 对于输入的一张图片（可正常解码，且长宽比适宜），检测图像中的所有人体并返回每个人体的矩形框位置，识别人体的静态属性和行为，共支持17种属性，包括：性别、年龄阶段、上下身服饰（含类别/颜色）、是否戴帽子、是否戴口罩、是否背包、是否吸烟、是否使用手机、人体朝向等。 【百度智能云】人体分析
  • 百度智能云人体分析API文档 - 人流量统计
    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。 【百度智能云】人体分析
官方微信
联系客服
400-826-7010
7x24小时客服热线
分享
  • QQ好友
  • QQ空间
  • 微信
  • 微博
返回顶部