用Azure上Cognitive Service的Face API识别人脸

Posted 2020-10-18 hengzi

Azure在China已经发布了Cognitive Service，包括人脸识别、计算机视觉识别和情绪识别等服务。

本文将介绍如何用Face API识别本地或URL的人脸。

一 创建Cognitive Service

1 在Azure上创建Cognitive Service的Face服务：

2 获取服务的链接和key：

创建成功后，在overview的页面上可以看到服务链接，已经Key：

有了这些信息后，就可以开始进入coding的阶段了。

二 Python code

1 通过URL链接实现人脸识别

关于Azure 人脸识别的API内容可以参考：

https://docs.microsoft.com/en-us/azure/cognitive-services/Face/APIReference

中的：

https://eastasia.dev.cognitive.microsoft.com/docs/services/563879b61984550e40cbbe8d/operations/563879b61984550f30395236/console

部分。

具体python的实现如下：

#!/usr/bin/python
# -*- coding: utf-8 -*-

#导入相关模块
import httplib, urllib, json

#Face API相关的Key和Endpoint
subscription_key = \'30a236e53b924f2c943892711d8d0e45\'
uri_base = \'api.cognitive.azure.cn\'

#定义html的header，这里Content-type决定了body中的类型，是URL还是文件类型的，这里的Json支持URL模式
headers = {
    \'Content-Type\': \'application/json\',
    \'Ocp-Apim-Subscription-Key\': subscription_key,
}
#定义返回的内容，包括FaceId，年龄、性别等等
params = urllib.urlencode({
    \'returnFaceId\': \'true\',
    \'returnFaceLandmarks\': \'false\',
    \'returnFaceAttributes\': \'age,gender,headPose,smile,facialHair,glasses,emotion,hair,makeup,occlusion,accessories,blur,exposure,noise\',
})
#图片的URL
body = "{\'url\':\'http://www.bidmc.org/~/media/Images/Research_NotDepartmentResearch/ResearchCenters/Cancer%20Research%20Institute/Wenyi%20Wei%20250.jpg\'}"

#Call Face API，进行人脸识别
try:
    conn = httplib.HTTPSConnection(\'api.cognitive.azure.cn\')
    conn.request("POST", "/face/v1.0/detect?%s" % params, body, headers)
    response = conn.getresponse()
    data = response.read()
    parsed = json.loads(data)
    print ("Response:")
    print (json.dumps(parsed, sort_keys=True, indent=2))
    conn.close()

except Exception as e:
    print("[Errno {0}] {1}".format(e.errno, e.strerror))

输出结果如下：

[
    {
    "faceAttributes": {
        "age": 45.5,
        ...
        "gender": "male",
        "faceId": "b15284c9-ce1c-40eb-a76b-99d5ce381081",
        "faceRectangle": {
            "height": 56,
            "left": 155,
            "top": 50,
            "width": 56
            }
        }
    }
]

 

可以看到是一个Json的输出，里面包含有FaceId，年龄，性别等各种信息。

2 用本地文件作为源文件进行图片识别

具体的代码如下：

#!/usr/bin/python
# -*- coding: utf-8 -*-

#导入相关模块
import httplib, urllib, json
from os.path import expanduser

#Face API相关的Key和Endpoint
subscription_key = \'30a236e53b924f2c943892711d8d0e45\'
uri_base = \'api.cognitive.azure.cn\'

#定义html的header，这里Content-type决定了body中的类型，是URL还是文件类型的，这里的Json支持URL模式
headers = {
    \'Content-Type\': \'application/octet-stream\',
    \'Ocp-Apim-Subscription-Key\': subscription_key,
}
#定义返回的内容，包括FaceId，年龄、性别等等
params = urllib.urlencode({
    \'returnFaceId\': \'true\',
    \'returnFaceLandmarks\': \'false\',
    \'returnFaceAttributes\': \'age,gender,headPose,smile,facialHair,glasses,emotion,hair,makeup,occlusion,accessories,blur,exposure,noise\',
})
#打开本地图片
img = open(expanduser(\'D:\\\\Heng\\\\Pictures\\\\100EOS5D\\\\C5D_5131.JPG\'), \'rb\')
#Call Face API，进行人脸识别
try:
    conn = httplib.HTTPSConnection(\'api.cognitive.azure.cn\')
    conn.request("POST", "/face/v1.0/detect?%s" % params, img, headers)
    response = conn.getresponse()
    data = response.read()
    parsed = json.loads(data)
    print ("Response:")
    print (json.dumps(parsed, sort_keys=True, indent=2))
    conn.close()

except Exception as e:
    print("[Errno {0}] {1}".format(e.errno, e.strerror))

 

输出和前面的类似。

3 给图片中的人脸打框，并表示年龄

根据前面的人脸识别，可以根据返回值，对人脸进行打框，并标识其返回的年龄，具体Python程序如下：

#!/usr/bin/python
# -*- coding: utf-8 -*-

#导入相关模块
import httplib, urllib, json
from os.path import expanduser
from PIL import Image, ImageDraw, ImageFont

def getRectangle(mydata):
    left = mydata[u\'left\']
    top = mydata[u\'top\']
    bottom = left + mydata[u\'height\']
    right = top + mydata[u\'width\']
    return ((left, top), (bottom, right))

#Face API相关的Key和Endpoint
subscription_key = \'30a236e53b924f2c943892711d8d0e45\'
uri_base = \'api.cognitive.azure.cn\'

#定义html的header，这里Content-type决定了body中的类型，是URL还是文件类型的，这里的Json支持URL模式
headers = {
    \'Content-Type\': \'application/octet-stream\',
    \'Ocp-Apim-Subscription-Key\': subscription_key,
}
#定义返回的内容，包括FaceId，年龄、性别等等
params = urllib.urlencode({
    \'returnFaceId\': \'true\',
    \'returnFaceLandmarks\': \'false\',
    \'returnFaceAttributes\': \'age,gender,headPose,smile,facialHair,glasses,emotion,hair,makeup,occlusion,accessories,blur,exposure,noise\',
})
#打开本地图片
#imgfile = \'D:\\\\Heng\\\\Pictures\\\\C5D_3966.JPG\'
imgfile = \'D:\\\\Heng\\\\desktop\\\\face.JPG\'

img = open(expanduser(imgfile), \'rb\')
#Call Face API，进行人脸识别
try:
    conn = httplib.HTTPSConnection(\'api.cognitive.azure.cn\')
    conn.request("POST", "/face/v1.0/detect?%s" % params, img, headers)
    response = conn.getresponse()
    data = response.read()
    parsed = json.loads(data)
    conn.close()

except Exception as e:
    print("[Errno {0}] {1}".format(e.errno, e.strerror))
#新建一个文件
newimg = Image.open(imgfile)
draw = ImageDraw.Draw(newimg)
#判断其大小
size = len(str(newimg.size[0]))
#根据大小分配字体大小和字的位置
if size>= 4:
    fs = 50
    ps = 130
else:
    fs = 10
    ps = 13
#图片的字体和颜色
font = ImageFont.truetype("consola.ttf", fs)
draw.ink = 255 + 0 * 256 + 0 * 256 * 256
#给每个识别出的人脸画框、并标识年龄
for a in parsed:
    b = a[u\'faceRectangle\']
    c = getRectangle(b)
    draw.rectangle(c, outline=\'red\')
    draw.text([c[0][0],c[0][1]-ps],"Age="+str(a[u\'faceAttributes\'][u\'age\']),font=font)
newimg.show()

其输出是一张如下d 照片：

 

总结：

通过Azure的Cognitive Service的Face API可以非常方便的进行人脸识别的工作。