用2263份证件照图片样本测试how-old.net的人脸识别
上一年也就是这个时候微软根据自己的人脸识别API推出了一个识别照片中人脸年龄和性别的网站——http://how-old.net，小伙伴们各种玩耍，一年后的今天突发“奇想”地想测试一下这个网站的识别情况。正好手里有3万多份标识有身份证信息、性别及照片拍摄时间的证件照（别问我从哪儿弄的，这玩意儿你懂的）。今天就写了个脚本来测试一下。测试识别的目标有两个：
- 性别
- 年龄
提交数据获得识别结果
寻找接口
首先，查看一下how-old.net的提交接口。
用Chrome查看一下网络请求的情况
查看一下前三个请求的数据情况：
第一个：
第二个：
第三个：
很奇怪有没有，第一个是一个bolb地址，第二个是图片的base64编码后的字符，第三个倒像是真正的请求，可查看请求中，尽然找不到对应图片的参数。再查看一下第三个请求的响应：
嗯，一个添加转移符号的json数据，我们想要的识别结果确实在里面。这就确定这个请求就是我们需要的请求接口，现在的问题是怎样上传图片数据呢？
我们不妨从头看一下这三个请求。第一个中的bolb地址和第二个请求中的base64数据是怎么个情况呢？在Stack Overflow上查找到了下面的信息：
简单来说就是，在二进制数据以流式方式提交的时候，有这样一个模式：生成一个bolb地址做本机数据访问 -> 访问具体的信息是是base64编码的的文件 -> 对指定接口以流式上传数据。也就是说前两个请求时发生在本机的，是对本地资源的访问，第三个请求才是真正的请求，只不过数据是前两个“本机请求”生成的流式数据。
上传数据获得识别结果
这样我们就得到了我们需要的访问接口及数据提交方式：
- 接口：
- 提交方式：POST流式提交
我们可以在上面第三个请求图中查看到请求参数及header，cookies等信息。使用requests库能很容易做到数据流式提交，针对此接口请求代码如下：
#访问主页获得cookie
t = requests.get("http://how-old.net",timeout=60)
_cookies = t.cookies
t.close()
#构建请求头
headers = {
"Content-Type": "application/octet-stream",
"Referer": "http://how-old.net/",
"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36"
}
info = None
#POST方式流式提交（pic_name是图片地址）
with open(pic_name, 'rb') as f:
r = requests.post("http://how-old.net/Home/Analyze?isTest=False&source=&version=how-old.net",
data=f,
headers=headers,
cookies=_cookies,
timeout=10)
info = r.content将返回的识别数据存储在info中，其样式像下面这样：
"{\"AnalyticsEvent\":\"[\\r\\n {\\r\\n \\\"face\\\": {\\r\\n \\\"age\\\": 16.0,\\r\\n \\\"gender\\\": \\\"Male\\\"\\r\\n },\\r\\n \\\"event_datetime\\\": \\\"2016-04-30T11:39:30.4786437Z\\\",\\r\\n \\\"user_id\\\": \\\"ab85e356-6638-41e7-a46f-be54c1f94f97\\\",\\r\\n \\\"session_id\\\": \\\"ba5ec8e4-65e0-481d-b034-970494680bca\\\",\\r\\n \\\"submission_method\\\": \\\"Upload\\\",\\r\\n \\\"user_agent\\\": \\\"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36\\\",\\r\\n \\\"location\\\": {\\r\\n \\\"latitude\\\": 35.71,\\r\\n \\\"longitude\\\": 115.23\\r\\n },\\r\\n \\\"location_city\\\": {\\r\\n \\\"latitude\\\": 35.7,\\r\\n \\\"longitude\\\": 115.2\\r\\n },\\r\\n \\\"is_mobile_device\\\": false,\\r\\n \\\"browser_type\\\": \\\"Chrome\\\",\\r\\n \\\"platform\\\": \\\"Windows\\\",\\r\\n \\\"mobile_device_model\\\": \\\"Unknown\\\"\\r\\n }\\r\\n]\",\"Faces\":[{\"faceId\":null,\"faceRectangle\":{\"top\":29,\"left\":49,\"width\":51,\"height\":51},\"attributes\":{\"gender\":\"Male\",\"age\":16.0}}]}"正想我们在Chrome中观测到的返回数据一样，这样通过Python提交图片并获得识别数据就成功了。
但是这样的数据我们很难使用，因为里面数据很多且有很多的转义，所以先把\r``\n``\这样的数据清洗掉，并选取其中最后面的一部分，获得下面的结构数据：
{
"Faces": [
{
"faceId": null,
"faceRectangle": {
"top": 29,
"left": 49,
"width": 51,
"height": 51
},
"attributes": {
"gender": "Male",
"age": 16
}
}
]
}faceId是图片中识别出的脸的标号，faceRectangle是将脸部框前来的矩形左上坐标及宽高，attributes中是识别出的性别和年龄。由于证件照都是标准的一个人，网站基本都能识别出来，所以只考虑一张图片对应的一个attributes。将照片对应的信息存在一个persons列表中，样式如下：
persons = [
{
"num":num,
"real_age":real_age,
"real_gender":real_gender,
"rec_age":rec_age,
"rec_gender":rec_gender
}
]识别结果统计
性别识别
性别识别统计很容易，直接比对一张照片对应的实际性别和识别：
toatal = len(persons)
right = 0
wrong_fm = 0
wrong_mf = 0
for person in persons:
if person["real_gender"] == person["rec_gender"]:
right += 1
elif person["real_gender"] == "Female":
wrong_fm += 1
else:
wrong_mf +=1最终的结果是：
年龄识别
年龄的识别统计采用一个字典记录，其结构是识别{某年龄差:识别为该年龄差的个数}：
age_rec = {}
for person in persons:
tmp = person["rec_age"] - person["real_age"]
try:
age_rec[tmp] += 1
except:
pass
finally:
age_rec[tmp] = 1
最终的统计结果是：
结语
本实践统计了HOW-OLD对两千多份图片样本的识别结果，性别识别正确率很高，而年龄识别错误范围较大，且识别结果偏大的居多。我甚至觉得，这东西可以用来检测摄影师的拍照技术，识别结果越小，人物摄影技术越好:)（开个玩笑）。整个实践最麻烦的地方是找接口及上传数据的方法，最费时间的是上传数据获得结果这个过程（受网络IO的限制，用家里的小破wifi，使用多线程也没多大用，而且线程一多，就会掉线:(）。