查看: 3890|回复: 2

[项目] 虚谷号体验（五）人工智能案例体验：动植物识别

本帖最后由 szjuliet 于 2019-8-13 13:53 编辑

虚谷号体验（一）开箱及基本功能体验
虚谷号体验（二）安装远程桌面及蓝牙设备
虚谷号体验（三）主机模式体验
虚谷号体验（四）人工智能案例体验：文字识别
虚谷号体验（五）人工智能案例体验：动植物识别
虚谷号体验（六) 人工智能案例体验：人脸识别

摄像头获取图像来识别动物还是植物，并依据匹配度从高到底输出五种动植物名称

演示视频如下：

本贴依照虚谷号体验文档记录

虚谷号技术文档中动物和植物的识别是分开的，但是体验案例动植物识别是在一个程序里进行识别的，由于体验文档是PDF文件，里面的python代码缩进全部丢失，因此对代码进行了校正并添加了部分注释，修改了个别bug和注释。

条件判断的条件有错。函数的返回值是"error"，"error_msg"是识别次数超过限制才会返回的值：

Waiting和第一行的score显示发生重叠：

原因如下：

还有一个问题。刚开始脚本可以正常识别，但是调试过次几次就不再反应，而animal.py和plant.py都正常，怀疑是免费识别的次数超过了每日上限500次，调试后发现果然如此。重新申请了API_KEY和SECRET_KEY，更新到程序中，重新运行后正常。

完整代码如下（其中的API_KEY和SECRET_KEY可以自己申请，也可以用体验文档中的，注意有免费次数的上限）：
[mw_shl_code=python,true]#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Date of establishment: November 27, 2018

@author: zhangzd
"""

import cv2  # 导入opencv库
import requests  # 导入requests 模块
import json  # 导入json 模块
import threading  # 导入threading 模块
import time  # 导入时间模块
import base64  # 导入base64 模块
import numpy as np  # 导入numpy 库
from PIL import Image, ImageDraw, ImageFont  # 导入PIL 模块

# 定义sccess_token 变量
# access_token = "24.81acc2d9a6d24ef7d68f3c50e758b5e9.2592000.1550214272.282335-14971110"
access_token = "" #初始值为空，根据API_KEY和SECRET_KEY获取
# API_KEY = "3aLzdywTatbd0G2KiTyf0xpB"  # 定义API_KEY 变量
API_KEY = ""  # 填入自己的API_KEY
# SECRET_KEY = "kHcn44C866AXer6XE2BInIDe2m5iuqNh"  # 定义SECRET_KEY 变量
SECRET_KEY = "" #填入自己的SECRET_KEY
frame = None  # 定义frame 变量
now_time = 0  # 定义now_time 变量
animal_info = None  # 定义animal_info 变量，保存动物信息
plant_info = None  # 定义plant_info 变量，保存植物信息

def cvimg_to_b64(img):
"""
图片转换函数，将二进制图片转换为base64加密格式
"""
try:
      image = cv2.imencode('.jpg', img)[1]  # 将图片格式转换(编码)成流数据，赋值到内存缓存中
      base64_data = str(base64.b64encode(image))[2:-1]  # 将图片加密成base64格式的数据
      return base64_data  # 返回加密后的结果
except Exception as e:
      return "error"

def get_ai_access_token():
"""
获取百度开发平台ai_access_token值
"""
url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=" + \
      "client_credentials&client_id=%s&client_secret=%s" % (
            API_KEY, SECRET_KEY)
try:
      response = requests.get(url)
      res_text = response.text
      res_json = json.loads(res_text)
      return str(res_json["access_token"])
except Exception:
      return "error"

def request_post(url, data):
"""
将图片信息上传到百度AI平台进行识别
"""
try:
      response = requests.post(url, data=data)  # 将图片信息上传到AI平台并并获取响应
      res_text = response.content.decode("utf-8")  # 获取响应后的结果并将结果转化为字符串格式
      res_json = json.loads(res_text)  # 将字符串转化为json 格式
      return res_json  # 返回json 数据
except Exception:
      return "error"

def get_animal(img64):
"""
将图片进行动物识别
"""
url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/animal"
url = url + "?access_token=" + access_token
data = {
      "image": img64, "type": 'animal'
}
return request_post(url, data)  # 返回识别结果的Json数据

def get_plant(img64):
"""
将图片进行植物识别
"""
url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/plant"
url = url + "?access_token=" + access_token
data = {
      "image": img64, "type": 'plant'
}
return request_post(url, data)  # 返回识别结果的Json数据

def post_request(frame, nt):
"""
判断识别的是动物还是植物，并提取有效数据
"""
if time.time() - nt > 3:  # 判断时间差是否大于3
      global now_time  # 声明now_time 是全局变量
      now_time = time.time()  # 给now_time 重新赋值为当前秒数
      img64 = cvimg_to_b64(frame)  # 调用cvimg_to_b64 函数将图片转换为base64格式
      res = get_animal(img64)  # 调用get_animal 函数，进行动物识别，并返回识别结果的Json值
      global animal_info  # 声明animal_info 是全局变量
      global plant_info  # 声明plant_info 是全局变量
      if "error" not in res:  # 判断识别是否出错（体验文档中此处应error_msg，有错）
         if len(res["result"]) > 1:  # 如果result的长度>1，说明在动物识别中有返回结果，识别到的是动物
            plant_info = None  # 如果是动物就将植物信息赋值为None
            animal_info = res["result"]  # 将识别出来的结果赋值给animal_info
            return  # 退出函数
         elif len(res["result"]) == 1:  # 在动物识别中返回结果为1，说明不是动物
            animal_info = None  # 如果不是动物就将动物信息赋值为None
            res = get_plant(img64)  # 调用get_plant 函数，对图像进行植物识别
            if "error" not in res:  # 判断识别是否出错（体验文档中此处应error_msg，有错）
                  if len(res["result"]) > 1:  # 如果result的长度>1，说明在植物识别中有返回结果，识别到的是植物
                     plant_info = res["result"]  # 将识别出来的结果赋值给plant_info
                     return  # 退出函数
                  else:
                     plant_info = None  # 如果result的长度不大于1，说明不是植物，将植物信息赋值为None

def put_Text(cvimg, text, location, size=30):
"""
将动植物信息显示在屏幕上
"""
cvimg = Image.fromarray(cv2.cvtColor(cvimg, cv2.COLOR_BGR2RGB))
draw = ImageDraw.Draw(cvimg)
fontText = ImageFont.truetype(
      "./simsun.ttc", size, encoding="utf-8")  # 使用宋体显示结果，编码方式是utf-8
draw.text(location, text, (255, 0, 0), font=fontText)  # 输出字体为红色
cvimg = cv2.cvtColor(np.array(cvimg), cv2.COLOR_RGB2BGR)
return cvimg

def check_token():
"""
检查授权令牌的有效性
"""
if int(time.time()) - 1547622271 >= 2592000:  # 2592000等于30天 1547622271为2019-01-16 15:04:31，如果当前时间与上述时间的间隔大于等于30天
      global access_token
      token = get_ai_access_token()
      if token != "error":
         access_token = get_ai_access_token()

def main():
"""
程序主函数
"""
check_token()
cap = cv2.VideoCapture(0)  # 创建摄像头对象
global now_time  # 声明now_time 为全局变量
now_time = time.time()  # 将当前时间秒数赋值给now_time
while (True):  # 创建一个永久循环用于循环读取摄像头数据
      ret, frame = cap.read()  # 从摄像头中读取一张图片
      if ret == True:  # 判断是否读取成功
         # 创建一个1280x800 的窗口
         frame1 = cv2.resize(frame, (1280, 800), interpolation=cv2.INTER_LINEAR)
         # 创建一个线程用于处理读取到的图片
         t = threading.Thread(target=post_request, args=(
            frame, now_time,), name='POST_REQUEST')
         t.start()  # 启动这个线程
         if animal_info == None and plant_info == None:  # 判断动植物信息是否都为None
            # 如果没有识别到动植物，则在窗口左上方显示Waiting
            frame1 = put_Text(frame1, "Waiting...", (50, 50))
            cv2.moveWindow("frame1", 100, 100)
         else:
            if animal_info != None:  # 判断动物信息是否为None
                  print(animal_info)  # 如果识别到动物，则在终端显示动物信息
                  try:
                     # 在frame1窗口中写字
                     for i in range(5):  # 按匹配度从高到低显示五种可能的动物信息（匹配度和名字）
                        frame1 = put_Text(frame1, str(
                              animal_info["score"][:4]), (150, (i + 1) * 70 + 50))  # 输出匹配度
                        frame1 = put_Text(frame1, str(
                              animal_info["name"]), (320, (i + 1) * 70 + 50))  # 输出动物名字
                  except Exception:
                     pass
            else:
                  print(plant_info)  # 识别到的是植物，打印植物信息
                  try:
                     for i in range(5):  # 按匹配度从高到低显示五种可能植物信息（匹配度和名字）
                        frame1 = put_Text(frame1, str(plant_info["score"])[
                                          :4], (150, (i + 1) * 70 + 50))  # 输出匹配度
                        frame1 = put_Text(frame1, str(
                              plant_info["name"]), (320, (i + 1) * 70 + 50))  # 输出植物名字
                  except Exception:
                     pass
         try:
            for i in range(5):  # 成功读取图片，但既不是动物也不是植物则连续输出5行，score：和name：，后面内容为空
                  frame1 = put_Text(frame1, "score:",
                                    (50, (i + 1) * 70 + 50))
                  frame1 = put_Text(
                     frame1, "name:", (250, (i + 1) * 70 + 50))
         except Exception:
            pass
         cv2.imshow('Magic Image', frame1)  # 新建窗口的标题是Magic Image
      if cv2.waitKey(1) & 0xFF == ord('q'):  # 如果检测到键盘输入了“q”，则退出识别程序
         break
cap.release()  # 释放摄像头
cv2.destroyAllWindows()  # 关闭所有窗口

if __name__ == "__main__":
main()
[/mw_shl_code]
1. 在电脑上使用Python编辑器将上述代码编辑并保存

2. 设备连接
虚谷号连接高清电视、摄像头，通电
虚谷号体验（五）人工智能案例体验：动植物识别图8

3. 将程序上传（复制）到虚谷号中
方法一：U盘方法
将虚谷号接到电脑，先用U盘模式把程序复制到虚谷号中，再切换到主机模式运行

方法二：主机方法
使用sftp软件如FileZilla将程序上传到虚谷号相应目录下
虚谷号体验（五）人工智能案例体验：动植物识别图2

因为远程传输图像延迟比较严重，所以使用外接显示器来进行体验。程序在电脑上修改，在虚谷上测试，脚本通过FileZilla传输到虚谷号上（方法见体验四）。这样非常的有效率。

4. 在文件管理器中进入Desktop目录，运行LX终端

5. 输入命令python3 *.py（文件名自己定义），在当前目录下运行动植物识别脚本。识别效果参见前面的视频

参考资料：
https://www.jb51.net/article/137562.htm，设置窗口的起始位置
命令是cv2.moveWindow("frame1", 100, 100)
但执行时感觉并没有起作用，窗口还是在原来的位置

http://www.matools.com/timestamp，在线时间转换（毫秒转换为日期）

https://ai.baidu.com/tech/imagerecognition，百度图像识别

人工智能, 虚谷号, 动植物识别