人脸识别是人工智能机器学习比较成熟的一个领域。人脸识别已经应用到了很多生产场景。比如生物认证，人脸考勤，人流监控等场景。对于很多中小功能由于技术门槛问题很难自己实现人脸识别的算法。Azure人脸API对人脸识别机器学习算法进行封装提供REST API跟SDK方便用户进行自定义开发。

Azure人脸API可以对图像中的人脸进行识别，返回面部的坐标、性别、年龄、情感、愤怒还是高兴、是否微笑，是否带眼镜等等非常有意思的信息。

Azure人脸API也是一个免费服务，每个月30000次事务的免费额度。

创建人脸服务

填写实例名，选择一个区域，同样选离你近的。

获取秘钥跟终结点

选中侧边菜单“秘钥于终结点”，获取信息，这2个信息后面再sdk调用中需要用到。

新建WPF应用

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

实现界面

编辑MainWindow.xml放置图像显示区域、文件选中、描述显示区域

构造函数

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

指定需要识别的要素，调用sdk进行图像识别

// 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;            }        }
       
      
     
    

显示脸部的描述

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。

/// 
        /// 鼠标移动显示脸部描述        /// 
        ///         ///         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;        }

/// 
        /// 脸部描述        /// 
        ///         /// 
            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();        }
    

运行

到此我们的应用打造完成了。先让我们选择一张结衣的图片试试：

看看我们的结衣微笑率97.9%。

再选一张杰伦的图片试试：

嗨，杰伦就是不喜欢笑，微笑率0% 。。。

总结

通过简单的一个wpf的应用我们演示了如果使用Azure人脸API进行图片中的人脸检测，真的非常方便，识别代码只有1行而已。如果不用C# sdk还可以使用更加通用的rest api来调用，这样可以适配任何开发语言。Azure人脸API除了能对图片中的人脸进行检测，还可以对多个人脸进行比对，检测是否是同一个人，这样就可以实现人脸考勤等功能了，这个下次再说吧。

关注我的公众号一起玩转技术