FastAPI에서 영상 인식 기능 구현하기

25 Sep 2023

FastAPI

영상 인식은 현재 컴퓨터 비전 분야에서 활발히 연구되고 있는 주제입니다. FastAPI를 사용하여 간단한 영상 인식 기능을 구현할 수 있습니다. 이 문서에서는 FastAPI와 OpenCV를 사용하여 이미지에서 얼굴을 인식하는 예제를 살펴보겠습니다.

필요한 패키지 설치하기

먼저, 필요한 패키지를 설치해야 합니다. Python 패키지 관리자를 사용하여 다음과 같이 설치할 수 있습니다:

$ pip install fastapi opencv-python

FastAPI 앱 생성하기

FastAPI 앱을 생성하기 위해 다음과 같이 파일을 작성합니다:

# main.py

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
def read_root():
    return {"Hello": "World"}

이미지 업로드 엔드포인트 만들기

이제 이미지를 업로드하는 엔드포인트를 만들어보겠습니다. 다음과 같이 코드를 수정합니다:

# main.py

from fastapi import FastAPI, UploadFile, File

app = FastAPI()

@app.post("/upload")
async def upload_image(file: UploadFile = File(...)):
    contents = await file.read()
    # 얼굴 인식 로직을 구현합니다.
    return {"filename": file.filename}

얼굴 인식 로직 구현하기

이제 얼굴 인식을 위해 OpenCV를 사용하는 부분을 구현해보겠습니다. 다음과 같이 코드를 수정합니다:

# main.py

from fastapi import FastAPI, UploadFile, File
import cv2

app = FastAPI()

@app.post("/upload")
async def upload_image(file: UploadFile = File(...)):
    contents = await file.read()
    # 업로드한 이미지를 파일로 저장합니다.
    with open(file.filename, "wb") as f:
        f.write(contents)
    
    # 얼굴 인식을 위해 OpenCV를 사용합니다.
    face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
    img = cv2.imread(file.filename)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)
    
    # 검출된 얼굴을 표시합니다.
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
    
    # 결과 이미지를 저장합니다.
    output_filename = "output_" + file.filename
    cv2.imwrite(output_filename, img)
    
    return {"filename": file.filename, "output_filename": output_filename}

테스트하기

이제 FastAPI 앱을 실행하고 테스트해보겠습니다. 다음 명령을 실행하여 FastAPI 앱을 시작합니다:

$ uvicorn main:app --reload

그런 다음 웹 브라우저나 HTTP 클라이언트 도구를 사용하여 다음 URL에 POST 요청을 보내어 이미지를 업로드합니다: http://localhost:8000/upload

응답으로 업로드한 이미지의 파일 이름과 얼굴 인식이 적용된 결과 이미지의 파일 이름이 반환됩니다.

마무리

이제 FastAPI와 OpenCV를 사용하여 간단한 영상 인식 기능을 구현하는 방법을 살펴보았습니다. 더 복잡한 영상 인식 알고리즘을 구현하려면, OpenCV의 다른 기능을 사용하거나 다른 머신 러닝 라이브러리와 통합할 수도 있습니다.