Azure 认知服务让面部检测变得简单

2020-10-29 08:00:00 · 飞浪

Azure 认知服务的脸部服务通过 REST API 公开了预先训练的面部检测模型，您可以将其集成到任何应用程序中。

介绍

我们总是想把名字和脸联系起来。脸是人类识别熟人最简单的方式之一。这是因为有很多特征使脸部独一无二。计算机能像人类一样检测和解释面部吗？计算机视觉领域一直在研究这个问题。在许多情况下，答案是肯定的！但这是一项艰巨的任务。这就是 Azure 认知服务提供人脸服务的原因。它通过 REST API 公开预先训练的面部检测模型，您可以将其集成到任何应用程序中。

Azure 认知服务中实际上有两种人脸服务。Azure 计算机视觉服务可以检测图像中的不同对象，包括人脸。但是，它仅返回有关检测到的人脸的有限数据，例如年龄、性别和边界矩形。人脸服务将做更多的事情。它可以预测年龄和性别，还可以检测面部特征，例如眼睛和鼻子的位置。它还试图解释面部表情的情绪并评分一个人的快乐或悲伤程度。它可以通过面部结构识别一个人的身份。在本指南中，我们将讨论人脸服务而不是计算机视觉服务。

设置

几分钟后，您将获得一个 Face 服务的新实例。单击“转到资源”按钮查看实例的详细信息。

密钥就像密码一样，因此是隐藏的。这些密钥将向 Azure 标识服务的用户。调用服务端点时，您将发送其中一个密钥。端点只是一个 URL。复制其中一个密钥和端点，因为您很快就会需要它们。在您的 C# 项目中，添加 NuGet 包Microsoft.Azure.CognitiveServices.Vision.Face.2.6.0-preview.1 ，这是本指南的最新版本。在Main方法的顶部，添加密钥和端点的变量。

      var key = "{YOUR_API_KEY}";
var endpoint = "{YOUR_ENDPOINT}";
    

使用人脸服务

从Microsoft.Azure.CognitiveServices.Vison.Face命名空间创建FaceClient。FaceClient接受ApiKeyServiceClientCredential ，该Credential使用Azure 门户中的密钥来识别你的帐户。

      var faceClient = new FaceClient(
	new ApiKeyServiceClientCredential(key)
);
    

端点是通过FaceClient实例上的属性设置的。

      faceClient.Endpoint = endpoint;

FaceClient上有多种检测人脸的方法。您可能有一个 Web 应用程序，它从用户上传图像并将图像数据发送到服务。对于此演示来说，一种更简单的方法是向 Face Service 发送图像的 URL。以下是来自 Unsplash 的一个示例：https://source.unsplash.com/pQV8dGHrOLU

这是一张年轻女性的照片，让我们看看 Azure 是否同意。将图像的 URL 传递给DetectWithUrlAsync方法。此方法是异步的，因此必须等待，并且Main方法也必须标记为async。

      static async Task Main(string[] args)
{
  // ...
  var faces = await faceClient.Face.DetectWithUrlAsync(
  	"https://source.unsplash.com/pQV8dGHrOLU"
  );
}
    

人脸是一个DetectedFace列表，每个列表都有一个FaceAttributes属性，从中我们可以得到照片主体的预测年龄和性别。

      foreach (var face in faces) 
{
  Console.WriteLine($"Age: {face.FaceAttributes.Age}, Gender: {face.FaceAttributes.Gender}");
}
    

有一个问题。如果您现在尝试运行该应用程序，它将崩溃。您必须明确告知 Face Service 您希望它返回的属性。您需要的属性存储在FaceAttributeType列表中。

      var returnedAttributes = new List<FaceAttributeType?>
{
  FaceAttributeType.Age, FaceAttributeType.Gender
};
    

DetectWithUrlAsync方法接受returnFaceAttributes参数中的FaceAttributes。

      var faces = await faceClient.Face.DetectWithUrlAsync(
  "https://source.unsplash.com/pQV8dGHrOLU",
  returnFaceAttributes: returnedAttributes
);
    

运行该应用程序时，Azure 返回年龄 24 岁、性别为女性。

其他属性

Face Services 支持更多属性。例如，将FaceAttributeType.Hair添加到returnFaceAttributes列表中，DetectedFace的FaceAttributes的Hair属性将包含与面部相关的头发（如果有）的数据，例如颜色。

      foreach (var hairColor in face.FaceAttributes.Hair.HairColor)
{
  Console.WriteLine($"Hair color: {hairColor.Color.ToString()}");
}
    

为什么头发颜色包含多种颜色？这是因为头发颜色是主观的，有时人们会将头发染成多种色调。因此，每种头发颜色都附有置信度分数，并按降序存储。

      foreach (var hairColor in face.FaceAttributes.Hair.HairColor)
{
  Console.WriteLine($"Hair color: {hairColor.Color.ToString()}, Confidence: {hairColor.Confidence}");
}
    

Azure 会预测这位年轻女士的头发最有可能是棕色，其次是红色。它还非常有信心她的头发不是白色的，因为它的置信度得分为 0。

如果HairColor属性没有预测，则表示照片中的主体没有任何头发。

该服务还可以检测面部毛发和眼镜。有关这些属性的更多信息，请参阅文档。

检测情绪也是人脸服务的一个功能。将 Emotion FaceAttributeType 添加到列表中。FaceAttributes的Emotion属性有八个属性，每个属性代表一种不同的情绪：

愤怒
鄙视
厌恶
害怕
幸福
中性的
悲伤
惊喜

每个都有一个分数，与头发颜色的置信度分数不同。

      Console.WriteLine($"{face.FaceAttributes.Emotion.Anger"});
    

对每一个进行评估都会表明 Azure 预测主体的情绪很可能是中性的。

下一步该去哪里

面部检测和面部识别之间存在差异。本指南演示了面部检测，它可以查找任何面部。如果您想查找特定的面部，那就是使用面部识别的时候。您需要从不同角度拍摄多张要识别的面部照片。您将使用这些照片来训练服务以区分该面部和其他面部。面部服务还可以实时检测视频流中的面部。

概括

Azure 认知服务人脸服务可让您将人脸识别或检测集成到任何应用程序中，无需任何计算机视觉知识。这对于内置摄像头的智能手机等设备来说非常有意义。使用本指南中解释的代码并在 Xamarin 应用程序中使用它来选择微笑的人的照片会很简单。谢谢阅读！

_{免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！}

_查看原文

技术指南

阅读全文