介绍基于 ModelScope 平台的 M2FP 模型，在无需 GPU 的 CPU 环境下通过 Python 调用 API 实现多人人体解析。内容涵盖模型架构原理、Docker 部署流程、可视化拼图算法及批量处理脚本，提供从 WebUI 到代码集成的完整方案，适用于虚拟试衣、安防监控等场景。
在计算机视觉领域，人体解析（Human Parsing） 是一项关键的细粒度语义分割任务，目标是将图像中的人体分解为多个语义明确的身体部位，如头发、面部、上衣、裤子、手臂等。与传统的人体姿态估计不同，人体解析提供的是像素级的精确标注，在虚拟试衣、智能安防、AR/VR 内容生成和人机交互等领域具有广泛的应用价值。
然而，大多数现有模型依赖高性能 GPU 进行推理，部署成本高、环境复杂，尤其对边缘设备或资源受限场景极不友好。此外，多人场景下的遮挡、重叠和尺度变化也给模型精度带来巨大挑战。
为此，基于 ModelScope 平台的 M2FP (Mask2Former-Parsing) 模型应运而生。它不仅具备强大的多人解析能力，还通过深度优化实现了纯 CPU 环境下的稳定运行，并配套提供 WebUI 与可编程 API 接口，真正做到了'开箱即用'。本文将带你全面掌握该服务的核心原理、使用方式以及如何通过 Python 调用其 API 实现自动化人体部位识别。
M2FP 全称为 Mask2Former for Parsing，是在 Meta AI 提出的 Mask2Former 架构基础上，针对人体解析任务进行专项训练和优化的模型。原始 Mask2Former 是一种基于 Transformer 的通用图像分割框架，采用'掩码注意力 + 动态卷积'机制，统一处理实例分割、语义分割和全景分割任务。
而 M2FP 在此基础上做了以下关键改进：
head, hair, upper_clothes, lower_clothes, left_arm, right_leg 等细粒度语义。✅ 技术类比：如果说普通人体检测只是'框出一个人'，那么 M2FP 就像是给每个人做了一次'全身 CT 扫描'，逐层分析皮肤、衣物、肢体结构。
一个常被忽视的事实是：PyTorch 版本与 MMCV 的兼容性问题是导致多数开源项目在 CPU 环境下无法启动的主要原因。例如：
mmcv._ext 加载失败；tuple index out of range 错误。M2FP 解决方案采用了经过验证的'黄金组合'：
| 组件 | 版本 | 作用 |
|---|---|---|
| PyTorch | 1.13.1+cpu | 支持完整 TorchScript 导出，且保留旧版扩展机制 |
| MMCV-Full | 1.7.1 | 包含编译好的 CUDA/CPU 双端算子，避免动态编译失败 |
| OpenCV | 4.5+ | 图像预处理加速，支持 BGR↔RGB 快速转换 |
| Flask | 2.3.3 | 轻量级 Web 服务框架，低内存占用 |
通过固定这些版本，彻底规避了动态链接库缺失、ABI 不兼容等问题，确保镜像可在无 GPU 的服务器、笔记本甚至树莓派上稳定运行。
模型输出的本质是一组二值掩码（binary mask），每个 mask 对应一个身体部位。但直接查看这些黑白图像对用户极不友好。为此，系统内置了可视化拼图算法（Visual Puzzling Algorithm），自动完成以下流程：
import cv2
import numpy as np
def merge_masks_to_colormap(masks: list, labels: list) -> np.ndarray:
"""
将多个二值掩码合并为带颜色的语义分割图
:param masks: [N, H, W] list of binary masks
:param labels: [N] list of class ids
:return: colored_image [H, W, 3]
"""
# 定义颜色映射表（BGR 格式）
color_map = {
0: (0, 0, 0), # background - black
1: (36, 28, 237), # hair - red
2: (76, 177, 34), # face - green
3: (222, 222, 0), # upper_clothes - cyan
4: (255, 0, 255), # lower_clothes - magenta
5: (0, 255, 255), # arms - yellow
6: (128, 128, 128), # legs - gray
# ... 更多类别
}
h, w = masks[0].shape
result = np.zeros((h, w, 3), dtype=np.uint8)
# 按顺序叠加，后出现的类别优先级更高（防止遮挡）
for mask, label in zip(masks, labels):
color = color_map.get(label, (128, 128, 128))
# 使用 alpha 混合避免完全覆盖
overlay = result.copy()
overlay[mask == 1] = color
result = cv2.addWeighted(overlay, 0.7, result, 0.3, 0)
return result
📌 关键设计思想：
addWeighted 实现半透明融合，保留边界细节；假设你已安装 Docker，可通过以下命令快速拉取并启动服务：
docker run -p 5000:5000 your-m2fp-image:latest
启动成功后访问 http://localhost:5000，即可看到如下界面：
点击 '上传图片' 按钮，选择包含单人或多个人物的照片，几秒内即可获得解析结果。
💡 提示：建议输入分辨率不超过 1080p 的图像，以平衡精度与速度。典型推理时间（CPU Intel i7-11800H）约为 3~8 秒/张。
我们测试了一组高难度样本：地铁车厢中密集站立的乘客群体。结果显示：
这得益于 M2FP 使用的 ResNet-101 骨干网络提供了强大的上下文感知能力，并结合全局注意力机制捕捉长距离依赖关系。
虽然 WebUI 适合交互式体验，但在生产环境中，我们更需要通过代码调用实现自动化处理。幸运的是，该服务暴露了标准 RESTful API 接口，支持 JSON 请求与 Base64 编码传输。
| 端点 | 方法 | 功能 |
|---|---|---|
/api/parse | POST | 接收图像并返回解析结果 |
/api/health | GET | 健康检查 |
请求体示例（JSON）：
{
"image": "iVBORw0KGgoAAAANSUhEUgAA..."
}
响应体示例：
{
"code": 0,
"msg": "success",
"data": {
"colored_mask": "base64_encoded_png",
"masks": [
{"label": "hair", "mask": "base64_binaray"},
{"label": "face", "mask": "base64_binaray"}
],
"resolution": [720, 1280]
}
}
import requests
import base64
import cv2
import numpy as np
from PIL import Image
import io
def call_m2fp_api(image_path: str, api_url: str = "http://localhost:5000/api/parse"):
# 读取图像并编码为 base64
with open(image_path, "rb") as f:
img_data = f.read()
img_base64 = base64.b64encode(img_data).decode('utf-8')
# 发送 POST 请求
payload = {"image": img_base64}
try:
response = requests.post(f"{api_url}", json=payload, timeout=30)
response.raise_for_status()
except requests.exceptions.RequestException as e:
print(f"❌ 请求失败：{e}")
return None
result = response.json()
if result["code"] != 0:
print(f"⚠️ 服务错误：{result['msg']}")
return None
# 解码返回的彩色分割图
colored_img_data = base64.b64decode(result["data"]["colored_mask"])
colored_img = Image.open(io.BytesIO(colored_img_data))
return np.array(colored_img)[..., ::-1] # RGB to BGR
# 使用示例
if __name__ == "__main__":
seg_result = call_m2fp_api("test_people.jpg")
if seg_result is not None:
cv2.imshow("Segmentation Result", seg_result)
cv2.waitKey(0)
cv2.destroyAllWindows()
📌 代码亮点说明：
若需处理大量图像，可进一步优化：
# 使用 Session 复用连接
session = requests.Session()
# 开启多线程并发请求（注意服务器负载）
from concurrent.futures import ThreadPoolExecutor
def batch_process(images: list, workers=4):
with ThreadPoolExecutor(max_workers=workers) as exec:
results = list(exec.map(lambda x: call_m2fp_api(x), images))
return results
⚠️ 注意事项：
为了客观评价 M2FP 的竞争力，我们横向对比了三种常见方案：
| 方案 | 是否支持多人 | 是否支持 CPU | 推理速度（CPU） | 输出形式 | 易用性 |
|---|---|---|---|---|---|
| M2FP (本方案) | ✅ 是 | ✅ 是 | ~5s/image | 彩色分割图 + 原始 Mask | ⭐⭐⭐⭐⭐ |
| OpenPose | ✅ 是 | ✅ 是 | ~1s/image | 关键点坐标 | ⭐⭐⭐☆ |
| HRNet-W48 + OCR | ✅ 是 | ❌ 否（需 GPU） | N/A | 分割图 | ⭐⭐☆ |
| BiSeNet V2 (自定义训练) | ✅ 是 | ✅ 是 | ~3s/image | 仅灰度 Mask | ⭐⭐⭐ |
📌 结论：
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online