关于百度AI网站上的操作和之前关于人脸识别部分的操作一样，注意要在人体识别部分再重新建立一个应用，并且获得

APP_ID = '××××××'
API_KEY = '×××××××××××'
SECRET_KEY = '××××××××××××××'

这三个关键值。

#! /usr/bin/python
# Copyright (c) 2015, Rethink Robotics, Inc.

# Using this CvBridge Tutorial for converting
# ROS images to OpenCV2 images
# http://wiki.ros.org/cv_bridge/Tutorials/ConvertingBetweenROSImagesAndOpenCVImagesPython

# Using this OpenCV2 tutorial for saving Images:
# http://opencv-python-tutroals.readthedocs.org/en/latest/py_tutorials/py_gui/py_image_display/py_image_display.html

# rospy for the subscriber
from PIL import Image
from std_msgs.msg import String
from aip import AipFace
import base64
import PIL.Image
import rospy
# ROS Image message
from sensor_msgs.msg import Image
# ROS Image message -> OpenCV2 image converter
from cv_bridge import CvBridge, CvBridgeError
# OpenCV2 for saving an image
import cv2
from aip import AipBodyAnalysis

APP_ID = '×××××××××××'
API_KEY = '×××××××××××××××××××××××'
SECRET_KEY = '×××××××××××××××××××××××××××'

client = AipBodyAnalysis(APP_ID, API_KEY, SECRET_KEY)

# Instantiate CvBridge
bridge = CvBridge()

def image_callback(msg):
    try:
        listen()
        # Convert your ROS Image message to OpenCV2
        cv2_img = bridge.imgmsg_to_cv2(msg, "bgr8")
    except CvBridgeError, e:
        print(e)
    else:
        # Save your OpenCV2 image as a jpeg 
        cv2.imwrite('/home/wly/catkin_ws/src/face_men/camera_photo/photo.jpeg', cv2_img)
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()
def listen():
    image = get_file_content('/home/wly/catkin_ws/src/face_men/camera_photo/photo.jpeg')
    a = client.bodyAnalysis(image);
    print(a)
def main():
    rospy.init_node('image_listener')
    # Define your image topic
    image_topic = "/usb_cam/image_raw"
    # Set up your subscriber and define its callback
    rospy.Subscriber(image_topic, Image, image_callback)
    print("Received an image!")
    # Spin until ctrl + c
    rospy.spin()

if __name__ == '__main__':
    main()

a = client.bodyAnalysis(image);

此部分调用bodyAnalysis（）函数，返回人体关键点的一些信息。

字段	是否必选	类型	说明
person_num	是	uint32	人体数目
person_info	是	object[]	人体姿态信息
+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
+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
log_id	是	uint64	唯一的log id，用于问题定位

 

还有一些其他函数：bodyAttr（）函数

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20余种属性，包括：性别、年龄阶段、衣着（含类别/颜色）、是否戴帽子、是否戴眼镜、是否背包、是否使用手机、身体朝向等。

序号	属性	接口字段	输出项说明
1	性别	gender	男性、女性、不确定
2	年龄阶段	age	幼儿、青少年、青年、中年、老年、不确定
3	上身服饰	upper_wear	长袖、短袖、不确定
4	下身服饰	lower_wear	长裤、短裤、长裙、短裙、不确定
5	上身服饰颜色	upper_color	红、橙、黄、绿、蓝、紫、粉、黑、白、灰、棕、不确定
6	下身服饰颜色	lower_color	红、橙、黄、绿、蓝、紫、粉、黑、白、灰、棕、不确定
7	上身服饰纹理	upper_wear_texture	纯色、图案、碎花、条纹或格子、不确定
8	背包	bag	无背包、单肩包、双肩包、不确定
9	上身服饰细分类	upper_wear_fg	T恤、无袖、衬衫、西装、毛衣、夹克、羽绒服、风衣、外套、不确定
10	是否戴帽子	headwear	无帽、普通帽、安全帽、不确定
11	是否戴眼镜	glasses	戴眼镜、戴墨镜、无眼镜、不确定
12	是否撑伞	umbrella	撑伞、无撑伞、不确定
13	是否使用手机	cellphone	未使用手机、使用手机、不确定
14	身体朝向	orientation	正面、背面、左侧面、右侧面、不确定
15	是否吸烟	smoke	吸烟、未吸烟、不确定
16	是否有手提物	carrying_item	无手提物、有手提物、不确定
17	交通工具	vehicle	无交通工具、骑摩托车、骑自行车、骑三轮车、不确定
18	上方截断	upper_cut	无上方截断、有上方截断、不确定
19	下方截断	lower_cut	无下方截断、有下方截断、不确定
20	遮挡	occlusion	无遮挡、轻度遮挡、重度遮挡、不确定
21	是否是正常人体	is_human	非正常人体、正常人体、不确定；正常人体：身体露出大于二分之一的人体，一般以能看到腰部肚挤眼为标准；非正常人体：严重截断、严重遮挡的人体，一般是看不到肚挤眼的，比如只有个脑袋、一条腿

 

其他函数参见：https://ai.baidu.com/docs#/BodyAnalysis-Python-SDK/top