Hello Renan，这是一些使用MLF面部特征提取器的Python代码。 它显示了如何创建和使用Bearer令牌以及如何将文件和标头传递给MLF。 因此，这可能为您提供对象检测的开始。

安德烈亚斯问候

##从服务密钥获取登录凭据

#服务密钥的路径

service_key_location =" ./服务键/Servicekey_beta.txt"

file_read =打开（service_key_location，" r"）

jsonRead = json.loads（file_read.read（））

用户名= jsonRead [" clientid"]

password = jsonRead [" clientsecret"]

##获取无记名令牌

导入json

导入请求

api_url ='https：//[您的URL]。 authentication.us10 .hana.ondemand.com/oauth/token？grant_type = client_credentials '

auth_values =（用户名，密码）

响应= requests.get（api_url，auth = auth_values）

#从响应中提取令牌

json_response = response.json（）

api_token ="载体" + json_response [" access_token"]

打印（api_token）

##识别图像上的人脸

#获取人脸特征向量

nugget_file =" ./image.jpg"

api_url =' https://mlfproduction-face-feature-extractor.cfapps.us10.hana.ondemand.com/api/v2alpha1/image/face-feature-extraction '

files = {'files'：open（nugget_file，'rb'）}

headers = {'Authorization'：api_token}

response_nugget = requests.post（api_url，files = files，headers = headers）

jsonRead = json.loads（response_nugget.content.decode（'utf-8'））

#提取检测到的面部并显示

bottom = jsonRead ['predictions'] [0] ['faces'] [0] ['face_location'] ['bottom']

left = jsonRead ['predictions'] [0] ['faces'] [0] ['face_location'] ['left']

right = jsonRead ['predictions'] [0] ['faces'] [0] ['face_location'] ['right']

top = jsonRead ['predictions'] [0] ['faces'] [0] ['face_location'] ['top']

从PIL导入图像

img = Image.open（块文件）

区域=（左，上，右，下）

cropped_img = img.crop（区域）

cropped_img.show（）

感谢您的快速回答，Andreas。 您一直很有帮助！