Python FastAPI 构建安全 REST API 与 YOLOv7 目标检测完整指南

一. 前言与文章概览

在本文中，我们将逐步讲解如何在 Python 中创建一个安全的 REST API。假设你有一个创新想法，例如利用用户的相机硬件检测照片中的人物，并基于剪影生成趣味内容。本文将指导你实现目标，并构建一个安全且高效的 API。

二. 构建 REST API 的思路

在构建 REST API 时，开发者通常面临两种选择：

从零开发：完全自定义 API 架构，更灵活，但开发周期较长。
使用现有框架或服务：快速部署，但可能增加一定成本。

本文将演示如何使用 FastAPI 构建高性能 REST API，同时集成目标检测功能（YOLOv7 模型），满足实际应用需求。

三. 安装 Python 依赖项

1. 创建虚拟环境

在终端中执行以下命令，创建并激活虚拟环境：

python -m venv env
source env/bin/activate  # Windows 用户使用 env\Scripts\activate

激活虚拟环境后，可安装所需依赖项，确保项目环境独立、可控。

四. 使用 FastAPI 构建 REST API

FastAPI 是一款高性能、易扩展的 Python 框架，非常适合构建 REST API。

1. 安装 FastAPI 和 Uvicorn

pip install fastapi uvicorn

2. 创建主程序文件

在项目目录创建 main.py 文件：

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
def read_root():
    return {"message": "Welcome to the FastAPI application!"}

3. 启动服务器

uvicorn main:app --reload --port 8001

访问 http://localhost:8001/ 查看 API 根端点，同时可通过 http://localhost:8001/docs 查看自动生成的 Swagger 文档。

五. 添加目标检测功能

为了实现目标检测，我们将引入 YOLOv7 模型。

1. 安装 YOLOv7 依赖

git clone https://github.com/WongKinYiu/yolov7.git
cd yolov7
pip install -r requirements.txt

2. 添加目标检测端点

在 main.py 中添加检测逻辑：

from yolov7 import YOLOv7
import time

model = YOLOv7("yolov7.onnx", conf_thres=0.5, iou_thres=0.5)

@app.post("/detect")
def detect_objects(image_url: str):
    start_time = time.time()
    results = model.detect(image_url)
    computation_time = time.time() - start_time
    return {
        "boxes": results["boxes"],
        "scores": results["scores"],
        "classes": results["classes"],
        "computation_time": computation_time
    }

支持通过 URL 或 Base64 上传图像，并返回边界框、置信度分数及类别信息。

六. 添加 API 使用限制

为了防止滥用，可通过令牌验证限制访问权限。

1. 添加令牌验证

from fastapi import Depends, HTTPException

TOKEN = "your_secure_token"

def verify_token(token: str):
    if token != TOKEN:
        raise HTTPException(status_code=403, detail="Invalid token")

@app.post("/detect")
def detect_objects(image_url: str, token: str = Depends(verify_token)):
    # 检测逻辑保持不变
    pass

仅持有正确令牌的用户才能访问目标检测端点，增强 API 安全性。