[PYTHON] Ich habe versucht, die Gesichtserkennungs-API von Microsoft für Cognitive Services zu verwenden

Ich habe versucht, die Gesichtserkennungs-API von Microsoft für Cognitive Services zu verwenden

___ Hinweis: Die Verwendung der API hat sich erheblich geändert, daher schreibe ich den Artikel jetzt neu. ___

Blog-Promotion: http://jotarout.hatenablog.com/

Ist dein Gesicht ein Fenster deines Herzens?

Wenn Sie den Gesichtsausdruck einer Person kennen, können Sie möglicherweise die physiologischen und inneren Bedingungen der Person abschätzen. Lassen Sie uns die Gesichtsausdrücke aller mithilfe eines Computers erkennen.

Verwenden Sie Microsoft Facial Recognition API.

Nachdem Sie sich von der oben genannten Site registriert und den API-Schlüssel erhalten haben, speichern Sie ihn in api_key.txt im selben Verzeichnis wie der __source-Code. __ __

Dies ist der Code. Haben Sie den API-Schlüssel und Ihr Lieblingsbild im selben Verzeichnis. Schreiben Sie vorerst einen Code wie das Ziehen einer Benutzeroberfläche, die 5 Emotionen und Ebenen neben dem Ausdruck anzeigt.

ms_emotion.py

# Calling Emotion APIs is
# restricted to 20 transactions per minute
# and 30,000 transactions per month.
# 20 transactions per 60 seconds
# 1 transaction per 3 seconds

import httplib
import urllib
import base64
import os
import sys
import cv2
import numpy as np
import json
import math

def get_emotion(file_path, headers):
    try:
        conn = httplib.HTTPSConnection('api.projectoxford.ai')
        conn.request("POST", "/emotion/v1.0/recognize?",
                     open(file_path, 'rb'), headers)
        response = conn.getresponse()
        data = response.read()
        conn.close()
        return data
    except Exception as e:
        print("[Errno {0}] {1}".format(e.errno, e.strerror))
        print(e.message)

def display_expression(data,img):
    font = cv2.FONT_HERSHEY_PLAIN
    text = "test cyber"
    font_size = 1
    data = json.loads(data)
    for face in data:
        f_rec  =  face['faceRectangle']
        width  =  f_rec['width']
        height =  f_rec['height']
        left   =  f_rec['left']
        top    =  f_rec['top']
        f_rec  =  face['scores']
        f_rec = sorted(f_rec.items(), key=lambda x:x[1],reverse = True)
        cv2.rectangle(img,(left,top),(left+width,top+height),(130,130,130),2)
        cv2.rectangle(img,(left+width,top),(left+width+150,top+50),(130,130,130),-1)

        for i in range(0,5):
            val = round(f_rec[i][1],3)
            emo = f_rec[i][0]
            cv2.rectangle(img,(left+width,top+10*i),(left+width+int(val*150),top+10*(i+1)),(180,180,180),-1)
            cv2.putText(img, emo+" "+str(val),(left+width,top+10*(i+1)),font, font_size,(255,255,255),1)

if __name__ == '__main__':
    if len(sys.argv) != 2:
        print 'Usage: # python %s /path/to/image' % sys.argv[0]
        quit()

    with open('api_key.txt', 'r') as f:
        key = f.read().rstrip('\n')
    f.close()
    headers = {
        'Content-Type': 'application/octet-stream',
        'Ocp-Apim-Subscription-Key': key,
    }

    data = get_emotion(sys.argv[1], headers)
    img = cv2.imread(sys.argv[1],-1)

    display_expression(data,img)

    cv2.imshow('image',img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

Es kann mit python ms_emotion.py your_image.png ausgeführt werden.

Ich denke, die Genauigkeit ist ziemlich gut (ich kann nicht sehr viel ein kleines Gesicht bekommen). Es gibt ungefähr 10 Arten von Gesichtsausdrücken, so dass es Spaß machen wird, mit ihnen herumzuspielen.

Es scheint, dass es auch für die Bewegtbildanalyse verwendet werden kann! Solange die API erlaubt ...