⼀、主要流程 

1. Java服务器程序：读取并解码图⽚，获得RGB数据 -> 构造请求 -> 发送请求

2. OVMS：收到请求 -> 进⾏推理 -> 返回响应 

3. Java服务器程序：收到响应 -> 处理响应，合成新图⽚并存储 

⼆、OVMS搭建

 https://docs.openvino.ai/latest/ovms_docs_quick_start_guide.html 

根据OVMS官⽅教程⼀步步来，只需要进⾏Step 1、2、3、4，就可以实现搭Linux+Docker+OVMS，后续Steps可忽略。 

如果已经搞成功过上⾯链接face-detection示例，后续理解或处理起来就简单了。使⽤新给到的模型（model.xml、model.bin、model.mapping），部署使之成功： 

三、Java服务器程序如何与OVMS进⾏REST通信？

 1、读取并解码图⽚，获得RGB数据 

将R、G、B分量数据单独抽离出来。Java应该有丰富的第三⽅开源库，可以做到，这⾥忽略。

 2、构造请求 

请求报⽂体是个JSON字符串，按如下格式构造：只有⼀个 src 字段，其值是⼀个四维数组，1x3x720x1280，3是RGB的3个通道，720是图⽚⾼度，1280是图⽚宽度。⽬前⽀持固定图像尺⼨1280x720像素，可按需修改。 

 3、发送请求 

请求URL：

http://localhost:8000/v1/model***odel/versions/1:predict 

⽅法：POST上⾯的JSON作为请求的报⽂体

 4、处理响应，合成新图⽚并存储

 响应报⽂体也是个JSON字符串，按如下格式解析：只有⼀个 predictions 字段，其值是⼀个四维数组，1x1x720x1280，含义是alpha透明度。

然后结合原始RGB图像数据、返回的 predictions 值、抠图后填充的背景颜⾊（⽐如红、蓝）进⾏处理，⽣成新的RGB数据，最后合成新的图形，并存储。⽐如抠图后填充红⾊（RGB值为(255,0,0)），代码如下：

⽐如抠图后填充蓝⾊（RGB值为(0,0,255)），代码如下：