Microsoft Cognitive Services Es scheint, dass Sie es versuchen können, also werde ich es sofort verwenden.

Verwenden Sie Microsoft Cognitive Services.
Registrieren Sie sich, um den Face API-Abonnementschlüssel zu erhalten
Verwenden Sie Python 3.x, da es mit Raspberry Pi verwendet wird --Verwenden Sie im Voraus aufgenommene Fotos

Entwicklung von

Programm

Ich habe es zu einer Funktion gemacht und es genannt. Legen Sie für keyFaceapi den Abonnementschlüssel fest, den Sie selbst registriert haben.

 -*- encoding:utf-8 -*-
 ----------------------------------------------------------------------
# ■ Grundeinstellung
 ----------------------------------------------------------------------

# Bibliotheksimport
 ------------------------------
import requests
import urllib
import json

# Einstellungen für die Bing Face API
 ------------------------------
imgFaceapi = 'faceimage.jpg'
urlFaceapi = 'https://api.projectoxford.ai/face/v1.0/detect'
keyFaceapi = 'xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx'
retFaceapi = 'age,gender,headPose,smile,facialHair,glasses,emotion,hair,makeup,occlusion,accessories,blur,exposure,noise'


 ----------------------------------------------------------------------
# ■ Bildanalyse (Bing Face API) für Python 3.x.
 ----------------------------------------------------------------------
def useFaceapi(url, key, ret, image):

 # Serverabfrage
    # ------------------------------
    headers = {
        'Content-Type': 'application/octet-stream',
        'Ocp-Apim-Subscription-Key': key,
        'cache-control': 'no-cache',
    }
    params = {
        'returnFaceId': 'true',
        'returnFaceLandmarks': 'false',
        'returnFaceAttributes': ret,
    }
    data = open(image, 'rb').read()

    try:
        jsnResponse = requests.post(url ,headers=headers, params=params, data=data)
        if(jsnResponse.status_code != 200):
            jsnResponse = []
        else:
            jsnResponse = jsnResponse.json()
    except requests.exceptions.RequestException as e:
        jsnResponse = []

 # Rückgabewert
    # ------------------------------
    return jsnResponse


 ----------------------------------------------------------------------
# ■ Analyseausführung
 ----------------------------------------------------------------------

# Verwenden Sie die Bing Face API
 ------------------------------
resFaceapi = useFaceapi(urlFaceapi, keyFaceapi, retFaceapi, imgFaceapi)
print(resFaceapi)

Lauf

Legen Sie Ihr Gesichtsfoto "faceimage.jpg " in denselben Ordner wie die Ausführungsdatei und führen Sie es aus

python3 pyFaceapi.py

Ausführungsergebnis

Unten die Analyseergebnisse

[
    {
        'faceAttributes': {
            'blur': {
                'value': 0.29,
                'blurLevel':
                'medium'
            },
            'smile': 0.0,
            'headPose': {
                'roll': -2.5,
                'pitch': 0.0,
                'yaw': -15.3
            },
            'hair': {
                'invisible': False,
                'hairColor': [
                    {
                        'color': 'black',
                        'confidence': 1.0
                    },
                    {
                        'color': 'brown',
                        'confidence': 0.98
                    },
                    {
                        'color': 'other',
                        'confidence': 0.17
                    },
                    {
                        'color': 'red',
                        'confidence': 0.12
                    },
                    {
                        'color': 'gray',
                        'confidence': 0.05
                    },
                    {
                        'color': 'blond',
                        'confidence': 0.03
                    }
                ],
                'bald': 0.01
            },
            'age': 31.7,
            'emotion': {
                'anger': 0.002,
                'surprise': 0.0,
                'contempt': 0.049,
                'neutral': 0.853,
                'disgust': 0.002,
                'happiness': 0.0,
                'sadness': 0.094,
                'fear': 0.0
            },
            'gender': 'male',
            'occlusion': {
                'eyeOccluded': False,
                'foreheadOccluded': False,
                'mouthOccluded': False
            },
            'noise': {
                'value': 0.11,
                'noiseLevel': 'low'
            },
            'facialHair': {
                'beard': 0.0,
                'moustache': 0.0,
                'sideburns': 0.1
            },
            'exposure': {
                'value': 0.43,
                'exposureLevel': 'goodExposure'
            },
            'makeup': {
                'lipMakeup': True,
                'eyeMakeup': False
            },
            'glasses': 'NoGlasses',
            'accessories': []
        },
        'faceId': 'dafdf8f1-c910-45ee-aef3-2247b446ea1d',
        'faceRectangle': {
            'height': 98,
            'width': 98,
            'top': 248,
            'left': 380
        }
    }
]

Überprüfen Sie das Ergebnis

Überprüfen Sie das Ergebnis.

--Gender ist männlich (männlich) ist richtig!

Keine Brille (NoGlasses) Es wird richtig beurteilt!
Das Alter wurde auf 31,7 Jahre festgelegt. Mein Alter ist Ende 30. .. .. ――Es gibt lipMakeup (True) ... ich nicht! !!

Ich habe es in Zusammenarbeit mit anderen Menschen versucht, aber es scheint, dass das Alter insgesamt als jung beurteilt wird Wenn das Bild zwei oder mehr Personen enthält, können Sie die Anzahl der Personen analysieren.

Nächster Hinweis (Python)

Raspberry Pi macht Spaß! Ich fühle mich wie erwachsene elektronische Arbeit (lacht) Zusätzlich zu der diesmal eingeführten Face-API sind verschiedene APIs (Google, IBM usw. außer Microsoft) für die Öffentlichkeit zugänglich, daher würde ich sie gerne ausprobieren!