MogFace模型Python入门实战：调用API完成第一个人脸检测程序

MogFace模型Python入门实战调用API完成第一个人脸检测程序你是不是也对AI人脸检测感到好奇想亲手写个程序试试今天我们就来一起动手用Python写一个最简单的程序调用MogFace模型来检测图片里的人脸。整个过程就像搭积木一样简单不需要你懂复杂的AI算法只要会一点Python基础就行。这篇文章的目标很明确让你在10分钟内从零开始写出一个能跑通的人脸检测程序。我们会从安装一个叫requests的库开始一步步教你如何向MogFace的WebUI发送请求拿到检测结果最后再把检测到的人脸框画在图片上。代码我都准备好了你只需要复制粘贴跟着做就行。1. 动手前的准备工作在开始写代码之前我们需要先把“工具箱”准备好。别担心工具不多安装也很简单。1.1 确保Python环境就绪首先你得确保电脑上已经安装了Python。打开你的命令行Windows上是CMD或PowerShellMac或Linux上是终端输入下面的命令检查一下python --version或者python3 --version如果能看到类似Python 3.8.10这样的版本号说明Python已经装好了。如果提示“找不到命令”那你需要先去Python官网下载并安装一个建议选择Python 3.7或以上的版本。1.2 安装必要的Python库我们这个程序只需要两个额外的库requests和matplotlib。requests这是Python里用来发送网络请求的“神器”我们用它来和MogFace的API“对话”。matplotlib这是一个画图库我们用它来把检测到的人脸框显示出来。安装它们只需要一行命令。在命令行里输入pip install requests matplotlib如果用的是Mac或Linux或者你的系统里pip命令对应的是Python 2可以试试用pip3pip3 install requests matplotlib看到“Successfully installed”的字样就说明安装成功了。1.3 准备一张测试图片和MogFace服务最后准备两样东西一张包含人脸的图片找一张你喜欢的照片或者从网上下载一张清晰的人脸图片把它保存在你准备写代码的文件夹里。我们假设这张图片叫test_face.jpg。一个正在运行的MogFace WebUI服务你需要已经按照MogFace的官方说明在本地或者某个服务器上启动了它的WebUI界面。通常启动后它会在本地的一个地址运行比如http://127.0.0.1:7860。请确保这个服务是启动状态我们才能调用它。好了工具齐备我们可以开始写代码了2. 编写你的第一个人脸检测程序我们将把整个程序分成几个小步骤就像拼图一样一块块拼起来。完整的代码在最后你可以先看看整体结构。2.1 第一步导入需要的工具包打开你的代码编辑器比如VS Code、PyCharm甚至记事本也行新建一个Python文件命名为first_face_detection.py。然后在文件的最开头把我们需要的“工具”引进来。import requests import matplotlib.pyplot as plt import matplotlib.patches as patches from PIL import Image import io import jsonrequests用来发请求。matplotlib.pyplot和patches用来画图和画框。PIL的Image用来处理图片。io用于在内存中处理图片数据。json用来解析API返回的数据。2.2 第二步设置请求的目标和图片接下来我们要告诉程序两件事找谁帮忙API地址以及帮我们看哪张图。# 1. 设置MogFace WebUI的API地址 # 请根据你的实际服务地址修改默认通常是下面这个 api_url http://127.0.0.1:7860/face/detect # 2. 准备要检测的图片文件路径 image_path test_face.jpg # 请确保这个文件在当前目录下或者改为你的图片完整路径把api_url里的地址换成你实际运行的MogFace服务地址。image_path就是你的测试图片路径。2.3 第三步构建并发送检测请求这是核心步骤。我们要用requests库把图片“打包”成一个POST请求发送给MogFace服务。# 3. 以二进制读取模式打开图片文件 with open(image_path, rb) as f: image_data f.read() # 4. 构建请求数据。WebUI通常通过‘files’参数接收图片 files {image: (image_path, image_data, image/jpeg)} # 如果是png图片mime类型可改为‘image/png’ # 5. 发送POST请求到API try: response requests.post(api_url, filesfiles) # 检查请求是否成功HTTP状态码为200表示成功 response.raise_for_status() print(请求成功) except requests.exceptions.RequestException as e: print(f请求失败: {e}) exit(1) # 如果请求失败就退出程序这段代码做了几件事读取图片、把图片数据装进请求里、然后发送出去。try...except是为了捕获网络错误让程序更健壮。2.4 第四步解析API返回的结果服务器处理完我们的图片后会返回一个结果。这个结果通常是JSON格式的文本里面包含了检测到的所有人脸信息。# 6. 解析返回的JSON结果 result response.json() print(原始返回结果:, json.dumps(result, indent2)) # 美化打印一下方便查看 # 7. 提取人脸框信息 # 注意不同API返回的字段名可能略有不同这里以常见的‘bbox’边界框为例 # bbox通常是一个列表格式为 [x_min, y_min, x_max, y_max]即左上角和右下角坐标 if faces in result and result[faces]: faces result[faces] print(f共检测到 {len(faces)} 张人脸。) for i, face in enumerate(faces): bbox face.get(bbox, []) if bbox and len(bbox) 4: print(f人脸 {i1}: 坐标 {bbox}) else: print(未检测到人脸或返回格式与预期不符。) faces []这里的关键是理解返回数据的结构。我们假设结果里有一个faces列表每个人脸信息里包含一个bbox边界框。你需要根据MogFace API实际返回的字段名稍作调整。2.5 第五步将检测结果可视化光看数字坐标不够直观我们把检测框画到原图上看看。# 8. 用matplotlib绘制原图并标注人脸框 if faces: # 打开原始图片 img Image.open(image_path) fig, ax plt.subplots(1, figsize(10, 10)) ax.imshow(img) # 为每个检测到的人脸画一个红色矩形框 for i, face in enumerate(faces): bbox face.get(bbox, []) if bbox and len(bbox) 4: x_min, y_min, x_max, y_max bbox # 计算矩形的宽和高 width x_max - x_min height y_max - y_min # 创建矩形框并添加到图中 rect patches.Rectangle((x_min, y_min), width, height, linewidth2, edgecolorr, facecolornone) ax.add_patch(rect) # 可选在框上方添加序号标签 ax.text(x_min, y_min - 5, fFace {i1}, colorr, fontsize12, weightbold) ax.axis(off) # 不显示坐标轴 plt.title(MogFace 人脸检测结果) plt.show() else: print(没有可显示的人脸检测结果。)这段代码用matplotlib打开图片然后根据每个人脸的坐标信息画上一个红色的矩形框并标上序号。最后把图显示出来。3. 运行你的程序并查看结果现在把上面所有代码段按顺序组合起来保存到first_face_detection.py文件中。确保你的测试图片和这个Python文件在同一个文件夹下并且MogFace服务正在运行。在命令行中导航到文件所在目录运行python first_face_detection.py如果一切顺利你会先在命令行里看到“请求成功”以及检测到的人脸坐标信息。接着会弹出一个新的窗口显示你的图片上面用红框标出了所有检测到的人脸。恭喜你你的第一个调用AI模型API的程序已经成功运行了。4. 可能遇到的问题和小技巧第一次运行难免会遇到点小麻烦这里有几个常见问题的排查思路连接错误检查api_url地址是否正确以及MogFace WebUI服务是否真的启动了。可以在浏览器里访问一下http://127.0.0.1:7860看看。图片读取错误检查image_path路径是否正确文件名有没有拼写错误。返回结果解析错误这是最常见的问题。API返回的JSON结构可能和示例代码中假设的 (result[faces]) 不一样。请务必仔细查看第2.4步中print打印出的“原始返回结果”。根据实际看到的字段名修改代码中提取faces和bbox的部分。没有弹出图片窗口如果你在服务器或无图形界面的环境中运行plt.show()可能无法工作。可以改用plt.savefig(result.jpg)把结果保存为图片文件。小技巧你可以尝试换不同的图片单人、多人、远景、近景看看检测效果。也可以试着调整矩形框的颜色、粗细让可视化效果更符合你的喜好。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。