```shell
$ hub install pyramidbox_face_detection==1.1.0
```

<p align="center">
<img src="https://bj.bcebos.com/paddlehub/paddlehub-img/pyramidbox_face_detection_network.png" hspace='10'/> <br />
Pyramidbox模型框架图
</p>


模型详情请参考[论文](https://arxiv.org/pdf/1803.07737.pdf)

## 命令行预测

```
hub run pyramidbox_face_detection --input_path "/PATH/TO/IMAGE"
```

## API

```python
def face_detection(images=None,  
                   paths=None,  
                   use_gpu=False,  
                   output_dir='detection_result',  
                   visualization=False,  
                   score_thresh=0.15):
```

预测API，检测输入图片中的所有人脸位置。

**参数**

* images (list\[numpy.ndarray\]): 图片数据，ndarray.shape 为 \[H, W, C\]，BGR格式；
* paths (list\[str\]): 图片的路径；
* use\_gpu (bool): 是否使用 GPU；
* output\_dir (str): 图片的保存路径，当为 None 时，默认设为 detection\_result；
* visualization (bool): 是否将识别结果保存为图片文件；
* score\_thresh (float): 检测置信度的阈值。

**返回**

* res (list\[dict\]): 识别结果的列表，列表中每一个元素为 dict，关键字包括'path', 'data', 相应的取值为：
  * path (str): 原输入图片的路径；
  * data (list): 检测结果，list的每一个元素为 dict，各字段为:
      * confidence (float): 识别的置信度；
      * left (int): 边界框的左上角x坐标；
      * top (int): 边界框的左上角y坐标；
      * right (int): 边界框的右下角x坐标；
      * bottom (int): 边界框的右下角y坐标。

```python
def save_inference_model(dirname,
                         model_filename=None,
                         params_filename=None,
                         combined=True)
```

将模型保存到指定路径。

**参数**

* dirname: 存在模型的目录名称
* model\_filename: 模型文件名称，默认为\_\_model\_\_
* params\_filename: 参数文件名称，默认为\_\_params\_\_(仅当`combined`为True时生效)
* combined: 是否将参数保存到统一的一个文件中

## 代码示例

```python
import paddlehub as hub
import cv2

face_detector = hub.Module(name="pyramidbox_face_detection")
result = face_detector.face_detection(images=[cv2.imread('/PATH/TO/IMAGE')])
# or
# result = face_detector.face_detection((paths=['/PATH/TO/IMAGE'])
```

## 服务部署

PaddleHub Serving可以部署一个在线人脸检测服务。

## 第一步：启动PaddleHub Serving

运行启动命令：
```shell
$ hub serving start -m pyramidbox_face_detection
```

这样就完成了一个人脸检测服务化API的部署，默认端口号为8866。

**NOTE:** 如使用GPU预测，则需要在启动服务之前，请设置CUDA\_VISIBLE\_DEVICES环境变量，否则不用设置。

## 第二步：发送预测请求

配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果

```python
import requests
import json
import cv2
import base64


def cv2_to_base64(image):
    data = cv2.imencode('.jpg', image)[1]
    return base64.b64encode(data.tostring()).decode('utf8')


# 发送HTTP请求
data = {'images':[cv2_to_base64(cv2.imread("/PATH/TO/IMAGE"))]}
headers = {"Content-type": "application/json"}
url = "http://127.0.0.1:8866/predict/pyramidbox_face_detection"
r = requests.post(url=url, headers=headers, data=json.dumps(data))

# 打印预测结果
print(r.json()["results"])
```

##   查看代码

https://github.com/PaddlePaddle/models/tree/develop/PaddleCV/face_detection

### 依赖

paddlepaddle >= 1.6.2

paddlehub >= 1.6.0