1.需求描述：
我想去桂林呀我想去桂林
可是有时间的时候我却没有钱
我想去桂林呀我想去桂林
可是有了钱的时候我却没时间
能不能让AI带我们去旅游呢？ 人像分割识别图像中的人体轮廓，与背景进行分离，再与背景图结合就能实现身在Office，也能留下旅游胜地的形象了吧。说干就干，代码奉上。
2.平台接入
人像分割接入网址：https://console.bce.baidu.com/ai/?fromai=1#/ai/body/overview/index
3.调用攻略（Python3）及评测
3.1首先认证授权：
在开始调用任何API之前需要先进行认证授权，具体的说明请参考：
http://ai.baidu.com/docs#/Auth/top
具体Python3代码如下：
# -*- coding: utf-8 -*-
#!/usr/bin/env python
import urllib
import base64
import json
#client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id =【百度云应用的AK】
client_secret =【百度云应用的SK】
#获取token
def get_token():
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret
request = urllib.request.Request(host)
request.add_header('Content-Type', 'application/json; charset=UTF-8')
response = urllib.request.urlopen(request)
token_content = response.read()
if token_content:
token_info = json.loads(token_content)
token_key = token_info['access_token']
return token_key
3.2人像分割分析接口调用：
详细说明请参考：http://ai.baidu.com/docs#/Body-API/6fe80662
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、灰度图、透明背景的人像图（png格式）。
请求说明
HTTP 方法：POST
请求URL：https://aip.baidubce.com/rest/2.0/image-classify/v1/body_seg
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：
返回说明
Python3调用代码如下：
#保存图片
def save_base_image(img_str,filename):
img_data = base64.b64decode(img_str)
with open(filename, 'wb') as f:
f.write(img_data)
#人像分割
#filename:原图片名（本地存储包括路径）；resultfilename:处理后的文件保存名称(每个人打标)
#filename:原图片名（本地存储包括路径）；dehazedfilename:处理后的文件保存名称
def body_seg_fore(filename,resultfilename):
request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_seg"
# 二进制方式打开图片文件
f = open(filename, 'rb')
img = base64.b64encode(f.read())
params = dict()
params['image'] = img
params['type'] = 'foreground'
params = urllib.parse.urlencode(params).encode("utf-8")
#params = json.dumps(params).encode('utf-8')
access_token = get_token()
request_url = request_url + "?access_token=" + access_token
request = urllib.request.Request(url=request_url, data=params)
request.add_header('Content-Type', 'application/x-www-form-urlencoded')
response = urllib.request.urlopen(request)
content = response.read()
if content:
#print(content)
content=content.decode('utf-8')
#print(content)
data = json.loads(content)
#print(data)
img_str=data['foreground']
save_base_image(img_str,resultfilename)
3.3.功能评测：
选用不同的数据对图片流量统计动态版的效果进行测试，具体效果如下：
可能是因为有透明通道的原因，这张图看着有点怪，不过在PC上看还是很清晰的。针对不同场景进行测试，总体来看还是很快速、准确的。。
4.应用方案：
为实现照片与旅游圣地组合，代码如下：
#保存图片
def save_base_image(img_str,filename):
img_data = base64.b64decode(img_str)
with open(filename, 'wb') as f:
f.write(img_data)
#人像分割
#filename:原图片名（本地存储包括路径）；dehazedfilename:处理后的文件保存名称
def body_seg_fore(filename,resultfilename):
request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_seg"
# 二进制方式打开图片文件
f = open(filename, 'rb')
img = base64.b64encode(f.read())
params = dict()
params['image'] = img
params['type'] = 'foreground'
params = urllib.parse.urlencode(params).encode("utf-8")
#params = json.dumps(params).encode('utf-8')
access_token = get_token()
request_url = request_url + "?access_token=" + access_token
request = urllib.request.Request(url=request_url, data=params)
request.add_header('Content-Type', 'application/x-www-form-urlencoded')
response = urllib.request.urlopen(request)
content = response.read()
if content:
#print(content)
content=content.decode('utf-8')
#print(content)
data = json.loads(content)
#print(data)
img_str=data['foreground']
save_base_image(img_str,resultfilename)
#图片整合
#foreimage：前景照片，baseimage：景区照片,outputimage：数据结果,rate：前景照片缩放比例
def combine_image(foreimage,baseimage,outputimage,rate):
from PIL import Image
base_img = Image.open(baseimage)
BL, BH = base_img.size
#读取要粘贴的图片 RGBA模式
#当需要将一张有透明部分的图片粘贴到一张底片上时，如果用Python处理，可能会用到PIL，
#但是PIL中 有说明，在粘贴RGBA模式的图片是，alpha通道不会被帖上，也就是不会有透明的效果，
#当然也给出了解决方法，就是粘贴的时候，将RGBA的的alpha通道提取出来做为mask传入。
fore_image = Image.open(foreimage)
L, H = fore_image.size
#缩放
fore_image = fore_image.resize((int(L * rate), int(H * rate)))
L, H = fore_image.size
#分离通道
r,g,b,a = fore_image.split() #粘贴
box=(int(BL/2-L/2), BH-H, int(BL/2+L/2) ,BH)
base_img.paste(fore_image,box,mask = a)
base_img.save(outputimage) # 保存图片
#输出程序
def travel_image(originimage,baseimage,outputimage,rate):
body_seg_fore(originimage,'seg_'+originimage)
combine_image('seg_'+originimage,baseimage,outputimage,rate)
#travel_image('crowd1.jpg','grassland.jpg','crowd1_grassland.png',0.35)
travel_image('single.jpg','tower.jpg','single_tower.png',0.45)
效果如下：
执行：
travel_image('single.jpg','tower.jpg','single_tower.png',0.45)
结果：
再来一个：
原图：
各个旅游地：
旅游效果：