作者：Steven
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

准备工作

       1）登录网站：人像动漫化-百度AI开放平台 。登录百度AI平台。

       2）创建应用，领取免费次数。

       3）复制AppID、API Key、Secret Key，调用接口的密钥。

       4）下载SDK，我用的C++，所以我只介绍C++的相关使用。

       5）VS创建项目，包含SDK路径。

       6）项目配置OpenSSL库，详情见：

Windows下配置OpenSSL（傻瓜式教程，一看就会）_翟天保的博客-CSDN博客

       7）项目配置libcurl库，详情见：

Windows下用vs2017编译和配置libcurl库（手把手教，适合新人）_翟天保的博客-CSDN博客

       8）项目配置JsonCpp库，详情见：

Windows下用CMake编译JsonCpp及配置（适合新手）_翟天保的博客-CSDN博客

       9）配置好环境，开始测试，见下方代码。C++比其其他语言确实是麻烦的多。。。

C++测试代码

#include <iostream>
#include <curl/curl.h>
#include <image_process.h>
#include <opencv2/opencv.hpp>
#include <json/json.h>

using namespace std;
using namespace cv;

int main()
{
	std::string app_id = "XXXXX";//id
	std::string api_key = "XXXXXXX";//api_key
	std::string secret_key = "XXXXXXXXX";//secret_key

	// 图像处理接口
	aip::Imageprocess client(app_id, api_key, secret_key);
	// 选择图片
	Json::Value result;;
	std::string image;
	aip::get_file_content("test2.jpg", &image);
	// 参数设置
	std::map<std::string, std::string> options;
	options["type"] = "anime_mask";
	options["mask_id"] = "3";
	// 人像动漫化函数
	result = client.selfieanime(image, options);
	// 获取结果
	std::string res = result["image"].asString();
	std::string result_dec;
	result_dec = aip::base64_decode(res);
	std::vector<char> base64_img(result_dec.begin(), result_dec.end());
	cv::Mat img_decode = cv::imdecode(base64_img, IMREAD_COLOR);
	cv::Mat mask = img_decode * 255;
	// 保存图像
	cv::imwrite("nresult.jpg", img_decode);
	cv::imwrite("nresultm.jpg", mask);
	return 0;
}

测试效果

       人像动漫化的API文档：

https://cloud.baidu.com/doc/IMAGEPROCESS/s/Mk4i6olx5

       如果函数有什么可以改进完善的地方，非常欢迎大家指出，一同进步何乐而不为呢~

       如果文章帮助到你了，可以点个赞让我知道，我会很快乐~加油！

1. 作者介绍

何昕，女，西安工程大学电子信息学院，2021级硕士研究生
研究方向：计算机视觉
电子邮件：979839448@qq.com

孟莉苹，女，西安工程大学电子信息学院，2021级硕士研究生，张宏伟人工智能课题组
研究方向：机器视觉与人工智能
电子邮件：2425613875@qq.com

2. 百度API动植物识别接口介绍

2.1 百度API

百度API是百度平台对外开放的一系列应用程序接口。开发人员能够调用API与搜索平台直接交互，基于API开发自己的应用程序。目前百度开放的API涵盖了图像技术、语音技术、文字识别、人脸与人体识别，AR与VR，自然语言处理、知识图谱等接口，并且有些接口是可以免费使用的。

本次实验使用的是百度API中动物识别与植物识别两个接口。

2.2 动植物识别中用到的技术

2.2.1 深度学习

深度学习是目前图像领域非常主流和热门的算法。它是机器学习的一种，区别于传统的浅层学习，深度学习的不同之处在于：
（1） 强调了模型结构的深度；
（2） 明确了特征学习的重要性

目前我们比较熟悉的典型的深度学习算法有卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）以及深度强化学习（RL）。
这些网络都有非常优秀的学习能力，覆盖范围广，泛化能力强，有着很高的上线，并且还有很好的可移植性。
所以深度学习很适合用来进行图像的特征提取与匹配，这也是为什么目前大部分的图像检测与识别都会使用深度学习网络的原因。

3. 实验过程

3.1 实验环境

Python版本：3.6
IDLE：Pycharm
集成环境：Anaconda3
API：百度动/植物识别API
第三方库：requests库，百度api库

3.2 数据集

因为百度AI开放平台给出的是已经训练好的模型，所以我只用准备测试集，但是目前可找的数据集并不符合我的测试要求，所以我自己准备了一套小的数据集。里面分别有不同种类的动物20张，不同种类的植物20张。

3.3 实验步骤

1.搜索百度AI开放平台，登录账号，点击控制台

2.搜索需要使用的功能

3.进入功能页面后点击立即使用

4.点击创建应用，然后选择需要用到的接口，这里已经选用了图像识别的接口，如果无法使用可以点击下面的免费领取来领取需要的接口资源

5.然后我们就会得到使用这个端口的AppID、API Key 和Secret Key

6.接下里打开配置好环境的pycharm，根据百度AI开放平台提供的教程，获取使用端口的token（该教程在百度AI开放平台的API参考文档中）

#获取access token 
#encoding:utf-8
import requests 

#client_id 为官网获取的AK， client_secret 为官网获取的SK
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=【官网获取的AK】&client_secret=【官网获取的SK】'
response = requests.get(host)
if response:
    print(response.json())

上述代码运行结果如下，这里我们需要的是access token。

7.最后我们便可以来使用这个端口进行动植物识别了。由于这个端口拥有动物识别和植物识别两个功能的token，所以我们可以使用这一个token来进行动物识别和植物识别。

3.4 完整实验代码

这里是动物识别的代码，植物识别类似。

# encoding:utf-8

import requests
import base64

#动物识别

request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/animal"
#二进制方式打开图片文件
f = open('图片路径', 'rb')
img = base64.b64encode(f.read())

params = {"image":img}
access_token = '你的access token'
request_url = request_url + "?access_token=" + access_token
headers = {'content-type': 'application/x-www-form-urlencoded'}
response = requests.post(request_url, data=params, headers=headers)
if response:
   print (response.json())

3.5 实验结果与分析

识别相似的动植物时也有比较好的准确率，但是在识别桃花的图片时发生了误判，将其识别为美人梅，可能与我的图片清晰度有关。

4. 参考

百度AI开放平台技术文档
AI知识库：一文看懂深度学习/ https://easyai.tech/ai-definition/deep-learning/

1.作者介绍

高志翔，男，西安工程大学电子信息学院，2021级研究生
研究方向：机器视觉与人工智能
电子邮件：562076173@qq.com

刘帅波，男，西安工程大学电子信息学院，2021级研究生，张宏伟人工智能课题组
研究方向：机器视觉与人工智能
电子邮件：1461004501@qq.com

2.基于百度API的普通话识别

2.1语音识别

语音识别，就是将一段语音信号转换成相对应的文本信息，系统主要包含特征提取、声学模型，语言模型以及字典与解码四大部分，此外为了更有效地提取特征往往还需要对所采集到的声音信号进行滤波、分帧等音频数据预处理工作，将需要分析的音频信号从原始信号中合适地提取出来。
一般流程：

2.2百度API调用方法

通过在百度智能开发平台，建立语音技术等应用，会获取相对技术权限功能。

创建完毕后百度会给你一个应用列表，使用这里的AppID，API Key及Secret Key便可以进行API的调用。

3．实验

3.1实验准备

本次实验我们采用的是百度API进行识别，故需要安装baidu-aip模块
首先打开命令行，在里面输入pip install baidu-aip。

如上图，即是安装成功。
因为本项目采用pyqt5进行了界面编写，故还需要安装pyqt5模块。
打开命令行，在里面输入pip install pyqt5即可安装。
接下来需要去百度AI的官网去创建应用，获取AppID,APIKey,Secret Key。

3.2实验结果

在此就可直接输入对应的数字，enter键后便开始录音，随即弹出百度搜索界面，可直接进行搜索，即实验成功！

4.实验代码

import wave
import requests
import time
import base64
from pyaudio import PyAudio, paInt16
import webbrowser

framerate = 16000  # 采样率
num_samples = 2000  # 采样点
channels = 1  # 声道
sampwidth = 2  # 采样宽度2bytes
FILEPATH = 'speech.wav'

base_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s"
APIKey = "********"  # 填写自己的APIKey
SecretKey = "**********"  # 填写自己的SecretKey

HOST = base_url % (APIKey, SecretKey)


def getToken(host):
    res = requests.post(host)
    return res.json()['access_token']


def save_wave_file(filepath, data):
    wf = wave.open(filepath, 'wb')
    wf.setnchannels(channels)
    wf.setsampwidth(sampwidth)
    wf.setframerate(framerate)
    wf.writeframes(b''.join(data))
    wf.close()


def my_record():
    pa = PyAudio()
    stream = pa.open(format=paInt16, channels=channels,
                     rate=framerate, input=True, frames_per_buffer=num_samples)
    my_buf = []
    # count = 0
    t = time.time()
    print('正在录音...')

    while time.time() < t + 4:  # 秒
        string_audio_data = stream.read(num_samples)
        my_buf.append(string_audio_data)
    print('录音结束.')
    save_wave_file(FILEPATH, my_buf)
    stream.close()


def get_audio(file):
    with open(file, 'rb') as f:
        data = f.read()
    return data


def speech2text(speech_data, token, dev_pid=1537):
    FORMAT = 'wav'
    RATE = '16000'
    CHANNEL = 1
    CUID = '*******'
    SPEECH = base64.b64encode(speech_data).decode('utf-8')

    data = {
        'format': FORMAT,
        'rate': RATE,
        'channel': CHANNEL,
        'cuid': CUID,
        'len': len(speech_data),
        'speech': SPEECH,
        'token': token,
        'dev_pid': dev_pid
    }
    url = 'https://vop.baidu.com/server_api'
    headers = {'Content-Type': 'application/json'}
    # r=requests.post(url,data=json.dumps(data),headers=headers)
    print('正在识别...')
    r = requests.post(url, json=data, headers=headers)
    Result = r.json()
    if 'result' in Result:
        return Result['result'][0]
    else:
        return Result


def openbrowser(text):
    maps = {
        '百度': ['百度', 'baidu'],
        '腾讯': ['腾讯', 'tengxun'],
        '网易': ['网易', 'wangyi']

    }
    if text in maps['百度']:
        webbrowser.open_new_tab('https://www.baidu.com')
    elif text in maps['腾讯']:
        webbrowser.open_new_tab('https://www.qq.com')
    elif text in maps['网易']:
        webbrowser.open_new_tab('https://www.163.com/')
    else:
        webbrowser.open_new_tab('https://www.baidu.com/s?wd=%s' % text)


if __name__ == '__main__':
    flag = 'y'
    while flag.lower() == 'y':
        print('请输入数字选择语言：')
        devpid = input('1536：普通话(简单英文),1537:普通话(有标点),1737:英语,1637:粤语,1837:四川话\n')
        my_record()
        TOKEN = getToken(HOST)
        speech = get_audio(FILEPATH)
        result = speech2text(speech, TOKEN, int(devpid))
        print(result)
        if type(result) == str:
            openbrowser(result.strip('，'))
        flag = input('Continue?(y/n):')