【0元试用微软 Azure人工智能认知服务】这个人脸识别功能太强大啦

导读：这个由美丽的客服小姐姐提前申请好了企业试用的账号，个人的话还得需要visa卡。

官网地址：azure.cn

登录地址：portal.azure.cn

目录

 1.简介

 2.Azure 认知服务是什么？

​ 3.认知服务的四种职能

 4.人脸API

5.新建一个WPF应用实现以下功能：

安装SDK

图片选择并显示

调用SDK进行识别

 总结

---

 1.简介

按照官方的要求，我们这次只体验认知服务的部分功能即可。

 然后进入登录的主页，找到下面这个认知服务进行创建，这个第一次进来可能不好找，我刚开始也是找了半天，好多技术文档都是英文教程，看起来有点费劲，不过还有很多中文文档引导，还是很容易入门，找不到的可以直接搜索认知服务。

 主要有这几个认知服务相关的功能

 先找一个比较好玩的【人脸AI】

 创建face（注意：名称只能用字符数字及连接符）

 创建虚拟网络

系统分配的托管标识

标记（默认） 

创建资源组并验证成功

 点击创建进行初始化部署，等待部署完成即可。

直接转到资源组

 这里可以对标记进行编辑（增加名称及值即可：用于管理不同的资源组，标记是名称/值对，可便于将相同的标记应用于多个资源和资源组，从而对资源进行分类，并查看合并的帐单。标记名称不区分大小写，但标记值区分大小写。），也可以管理密钥，密钥一般有两个（密钥用于访问认知服务 API。请勿共享你的密钥。请安全地存储这些密钥(例如，使用 Azure Key Vault)。另外，建议定期重新生成这些密钥。执行 API 调用只需要一个密钥。在重新生成第一个密钥时，可以使用第二个密钥继续访问服务。）

 2.Azure 认知服务是什么？

认知服务使每位开发人员无需具备机器学习的专业知识就能接触到 AI。只需要一个 API 调用，就可以将看、听、说、搜索、理解和加速决策的能力嵌入到应用中。让所有技能水平的开发人员都能轻松在其应用中添加 AI 功能。

 3.认知服务的四种职能

决策

 

 语言

 语音

 影像

 4.人脸API

 用于分析图像中的人脸的 AI 服务,功能包括人脸检测功能（感知图像中的口罩、眼镜或人脸位置等面部特征和属性）和通过与专用存储库的匹配或照片 ID 识别人。

5.新建一个WPF应用实现以下功能：

1. 选择图片后把原图显示出来
2. 选中后马上进行识别
3. 识别成功后把脸部用红框描述出来
4. 当鼠标移动到红框内的时候显示详细脸部信息

安装SDK

使用nuget安装对于的sdk包

Install-Package Microsoft.Azure.CognitiveServices.Vision.Face -Version 2.5.0-preview.2

编辑MainWindow.xml放置图像显示区域、文件选中、描述显示区域

 在编辑MainWindow类的构造函数初始化FaceClient等数据

 private IFaceClient _faceClient;

        //检测到的人脸
        private IList _faceList;
        //人脸描述信息
        private string[] _faceDescriptions;
        private double _resizeFactor;

        private const string _defaultStatusBarText =
            "鼠标移动到面部显示描述信息.";
        public MainWindow()
        {
            InitializeComponent();
            //faceid的订阅key
            string subscriptionKey = "";
            // faceid的终结的配置
            string faceEndpoint = "";
            _faceClient = new FaceClient(
                new ApiKeyServiceClientCredentials(subscriptionKey),
                new System.Net.Http.DelegatingHandler[] { });
            if (Uri.IsWellFormedUriString(faceEndpoint, UriKind.Absolute))
            {
                _faceClient.Endpoint = faceEndpoint;
            }
            else
            {
                MessageBox.Show(faceEndpoint,
                    "Invalid URI", MessageBoxButton.OK, MessageBoxImage.Error);
                Environment.Exit(0);
            }
        }

图片选择并显示

// 选择图片并上传
        private async void BrowseButton_Click(object sender, RoutedEventArgs e)
        {
            var openDlg = new Microsoft.Win32.OpenFileDialog();

            openDlg.Filter = "JPEG Image(*.jpg)|*.jpg";
            bool? result = openDlg.ShowDialog(this);

            if (!(bool)result)
            {
                return;
            }

            // Display the image file.
            string filePath = openDlg.FileName;

            Uri fileUri = new Uri(filePath);
            BitmapImage bitmapSource = new BitmapImage();

            bitmapSource.BeginInit();
            bitmapSource.CacheOption = BitmapCacheOption.None;
            bitmapSource.UriSource = fileUri;
            bitmapSource.EndInit();

            FacePhoto.Source = bitmapSource;

            // Detect any faces in the image.
            Title = "识别中...";
            _faceList = await UploadAndDetectFaces(filePath);
            Title = String.Format(
                "识别完成. {0}个人脸", _faceList.Count);

            if (_faceList.Count > 0)
            {
                // Prepare to draw rectangles around the faces.
                DrawingVisual visual = new DrawingVisual();
                DrawingContext drawingContext = visual.RenderOpen();
                drawingContext.DrawImage(bitmapSource,
                    new Rect(0, 0, bitmapSource.Width, bitmapSource.Height));
                double dpi = bitmapSource.DpiX;
                // Some images don't contain dpi info.
                _resizeFactor = (dpi == 0) ? 1 : 96 / dpi;
                _faceDescriptions = new String[_faceList.Count];

                for (int i = 0; i < _faceList.Count; ++i)
                {
                    DetectedFace face = _faceList[i];

                    //画方框
                    drawingContext.DrawRectangle(
                        Brushes.Transparent,
                        new Pen(Brushes.Red, 2),
                        new Rect(
                            face.FaceRectangle.Left * _resizeFactor,
                            face.FaceRectangle.Top * _resizeFactor,
                            face.FaceRectangle.Width * _resizeFactor,
                            face.FaceRectangle.Height * _resizeFactor
                            )
                    );

                    _faceDescriptions[i] = FaceDescription(face);
                }

                drawingContext.Close();

                RenderTargetBitmap faceWithRectBitmap = new RenderTargetBitmap(
                    (int)(bitmapSource.PixelWidth * _resizeFactor),
                    (int)(bitmapSource.PixelHeight * _resizeFactor),
                    96,
                    96,
                    PixelFormats.Pbgra32);

                faceWithRectBitmap.Render(visual);
                FacePhoto.Source = faceWithRectBitmap;

                faceDescriptionStatusBar.Text = _defaultStatusBarText;
            }
        }

调用SDK进行识别

// 上传图片使用faceclient识别
        private async Task> UploadAndDetectFaces(string imageFilePath)
        {
            IList faceAttributes =
                new FaceAttributeType[]
                {
            FaceAttributeType.Gender, FaceAttributeType.Age,
            FaceAttributeType.Smile, FaceAttributeType.Emotion,
            FaceAttributeType.Glasses, FaceAttributeType.Hair
                };

            using (Stream imageFileStream = File.OpenRead(imageFilePath))
            {
                IList faceList =
                    await _faceClient.Face.DetectWithStreamAsync(
                        imageFileStream, true, false, faceAttributes);
                return faceList;
            }
        }

对人脸识别后的结果信息组装成字符串，当鼠标移动到人脸上的时候显示这些信息。

 private void FacePhoto_MouseMove(object sender, MouseEventArgs e)
        {
            if (_faceList == null)
                return;

            Point mouseXY = e.GetPosition(FacePhoto);

            ImageSource imageSource = FacePhoto.Source;
            BitmapSource bitmapSource = (BitmapSource)imageSource;

            var scale = FacePhoto.ActualWidth / (bitmapSource.PixelWidth / _resizeFactor);

            bool mouseOverFace = false;

            for (int i = 0; i < _faceList.Count; ++i)
            {
                FaceRectangle fr = _faceList[i].FaceRectangle;
                double left = fr.Left * scale;
                double top = fr.Top * scale;
                double width = fr.Width * scale;
                double height = fr.Height * scale;

                if (mouseXY.X >= left && mouseXY.X <= left + width &&
                    mouseXY.Y >= top && mouseXY.Y <= top + height)
                {
                    faceDescriptionStatusBar.Text = _faceDescriptions[i];
                    mouseOverFace = true;
                    break;
                }
            }

            if (!mouseOverFace) faceDescriptionStatusBar.Text = _defaultStatusBarText;
        }

 private string FaceDescription(DetectedFace face)
        {
            StringBuilder sb = new StringBuilder();

            sb.Append("人脸: ");

            // 性别年龄
            sb.Append(face.FaceAttributes.Gender.Value == Gender.Female ? "女性" : "男性");
            sb.Append(", ");
            sb.Append(face.FaceAttributes.Age.ToString() + "岁");
            sb.Append(", ");
            sb.Append(String.Format("微笑 {0:F1}%, ", face.FaceAttributes.Smile * 100));

            // 显示超过0.1的表情
            sb.Append("表情: ");
            Emotion emotionScores = face.FaceAttributes.Emotion;
            if (emotionScores.Anger >= 0.1f) sb.Append(
                String.Format("生气 {0:F1}%, ", emotionScores.Anger * 100));
            if (emotionScores.Contempt >= 0.1f) sb.Append(
                String.Format("蔑视 {0:F1}%, ", emotionScores.Contempt * 100));
            if (emotionScores.Disgust >= 0.1f) sb.Append(
                String.Format("厌恶 {0:F1}%, ", emotionScores.Disgust * 100));
            if (emotionScores.Fear >= 0.1f) sb.Append(
                String.Format("恐惧 {0:F1}%, ", emotionScores.Fear * 100));
            if (emotionScores.Happiness >= 0.1f) sb.Append(
                String.Format("高兴 {0:F1}%, ", emotionScores.Happiness * 100));
            if (emotionScores.Neutral >= 0.1f) sb.Append(
                String.Format("自然 {0:F1}%, ", emotionScores.Neutral * 100));
            if (emotionScores.Sadness >= 0.1f) sb.Append(
                String.Format("悲伤 {0:F1}%, ", emotionScores.Sadness * 100));
            if (emotionScores.Surprise >= 0.1f) sb.Append(
                String.Format("惊喜 {0:F1}%, ", emotionScores.Surprise * 100));

            sb.Append(face.FaceAttributes.Glasses);
            sb.Append(", ");

            sb.Append("头发: ");

            if (face.FaceAttributes.Hair.Bald >= 0.01f)
                sb.Append(String.Format("秃头 {0:F1}% ", face.FaceAttributes.Hair.Bald * 100));

            IList hairColors = face.FaceAttributes.Hair.HairColor;
            foreach (HairColor hairColor in hairColors)
            {
                if (hairColor.Confidence >= 0.1f)
                {
                    sb.Append(hairColor.Color.ToString());
                    sb.Append(String.Format(" {0:F1}% ", hairColor.Confidence * 100));
                }
            }

            return sb.ToString();
        }

到此我们的应用打造完成了。我们使用孙叫兽的演讲图片验证一下效果，和这个参数差不多，说明这个人脸识别的功能还是很强大的。

 总结

使用更加通用的rest api来调用，这样可以适配任何开发语言，这种应用可以用在上下班的大屏测体温，检测员工有没有带口罩，还有钉钉外勤打卡拍照等场景。十分的便捷，刚好开始接触这个Azure还是有点懵比，好多东西都是英文文档，搞得我还得用谷歌浏览器右键一下，其实可以做一个智能机器人，聊天室这种工具，能覆盖一下这种认知服务，比如聊天框文本转语音，语音转文本，转表情包，图片识别文本，中英文翻译等功能，下次有机会再体验吧，确实挺智能的，官方的一些案例也很不错，大家可以参考一下!

Microsoft 开发者工具和技术入门。 浏览我们的示例，查看你可构建的内容。https://docs.microsoft.com/zh-cn/samples/browse/https://docs.microsoft.com/zh-cn/samples/browse/

 本期内容我们就分享到这里，我们下期见！