從零開始玩人工智慧—人臉 API—01

說實話，邊學AI邊學Python挺酸爽的。可這阻止不了我嘗試學習AI的熱情，哈哈。並且，如果我能搞出來，看到文章的您肯定也不在話下。

人臉API是Azure上AI及認知服務的一項，應該是從計算機視覺分出來的吧，針對人臉的特點單獨做了特定的人工智慧機器學習及API封裝。由於是基於Azure的雲端服務，所以針對人臉的一些功能封裝的很好，只需要使用HTTP的幾類方法 (GET PUT POST PATCH DELETE) 提供數據然後調用即可。

首先，在Azure訂閱中添加人臉API的服務。和其他的認知服務一樣，也有免費的定價，也是通過Key來訪問這個服務。所以，開始學習代碼之前，先複製人臉API服務的Key。

應該說，Azure認知服務的頁面給的鏈接還是不錯的，後續大部分需要的內容，通過這些鏈接都能找到信息。最近的文檔配圖增加了，不過和其他產品的文檔一樣，感覺組織有點紛亂。這和雲轉型以及大量引入不同的開源、Linux、不同語言可能相關吧。

我們的目標是通過示例代碼儘快的了解人臉API服務是如何工作的。所以文檔和不多的示例代碼非常有用。第一個快速了解Face API機制的示例代碼可以在這裡查看：https://docs.microsoft.com/en-us/azure/cognitive-services/face/quickstarts/python

代碼其實不複雜。首先，按照API的要求，使用訂閱的服務Key和數據類型作為header，按照要求和需要，提供特定的參數params和指定格式的內容body，構造特定的URL字串，然後用指定的方法通過HTTPS請求Azure上的人臉API服務。

看看Detect這個API。通過提交一張照片，就能夠利用人工智慧檢測照片中的人臉，進行分析和提取特徵。通過示例代碼，我們可以學習到挺多東西的。

首先，如圖中的body，實際上是提供一張照片給AI。除了這裡的JSON模式的數據之外，也可以使用octet-stream模式的數據，比如從本地提供照片。

對於Detect的API來說，很重要的一點是params裡面說明了人臉檢測返回的三個重要的數據：FaceID，FaceLandmarks (面部特徵) 和 FaceAttributes (面部屬性)。FaceID後面再說，先看面部屬性。面部屬性會返回AI對人臉的判斷，例如性別，年紀，戴沒戴眼鏡，什麼眼鏡，頭髮怎樣，啥顏色，什麼表情之類。需要返回哪些屬性，可以在params里指定。原示例代碼給的是一位美女的照片，我換成了偉大的愛因斯坦的照片~ 從返回的結果看，照片里的愛因斯坦有一點點 (0.003) 的不開心啊哈哈。七情六慾，表情屬性正好七個。

這些屬性可以做很多的事情，例如通過表情判斷人的情緒，進而改進服務、應用或者AI的交互體驗。想像一下，每天到辦公室開機，Cortana會說，今天你不太開心啊，路上辛苦了，我給你講個笑話吧。是不是比你女朋友 (if girlfriend.get(): ) 還體貼？

另一個很重要的返回，是面部特徵。我們國家的人臉識別技術非常領先，Azure使用的技術很多應該也來自於我們的微軟亞洲研究院。人臉API中，對人臉進行的抽象是27點面部取樣。

按照這27點取樣，計算各點對應關係，就能夠讓人工智慧判斷人臉特點，進行識別。在這裡：https://docs.microsoft.com/en-us/azure/cognitive-services/face/face-api-how-to-topics/howtodetectfacesinimage 對這部分做了簡要說明。

參考 API的說明：我猜由於目前還不是個Global的服務，所以構造認知服務調用的URL的時候，需要按照服務所在站點填寫。而四類不同的API調用，每個API要求的URL也不盡相同。如前文所說，實際上API的實現，都是構造這些URL然後使用不同的HTTP方法完成。

API參考和其他認知服務一樣，除了說明，還給出了不同常見語言的示例。通過示例代碼能夠很快了解如何使用這些服務。此外，對輸入和輸出的數據類型、格式以及限制也給出了詳細的說明。我想說的是，即使沒有編程基礎，也真的不難。

對於已經熟悉API的用戶，當然也可以直接使用封裝好的SDK。可以在GitHub獲得：https://github.com/Microsoft/Cognitive-Face-Python

而文檔也給出了使用SDK的示例代碼：https://docs.microsoft.com/en-us/azure/cognitive-services/face/tutorials/faceapiinpythontutorial

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！