J'ai essayé d'utiliser l'API de reconnaissance faciale des services cognitifs de Microsoft

J'ai essayé d'utiliser l'API de reconnaissance faciale des services cognitifs de Microsoft

___ Remarque: l'utilisation de l'API a considérablement changé, je suis donc en train de réécrire l'article. ___

Promotion du blog: http://jotarout.hatenablog.com/

Votre visage est-il une fenêtre de votre cœur?

En connaissant l'expression faciale d'une personne, il peut être possible d'estimer les conditions physiologiques et internes de la personne. Reconnaissons les expressions faciales de chacun à l'aide d'un ordinateur.

Utilisez [l'API de reconnaissance faciale de Microsoft](https://www.microsoft.com/cognitive-services/en-us/emotion-api «l'API de reconnaissance faciale de Microsoft»).

Après vous être enregistré sur le site ci-dessus et avoir obtenu la clé API, enregistrez-la dans api_key.txt dans le même répertoire que le code __source. __

C'est le code. Ayez la clé API et votre image préférée dans le même répertoire. Pour le moment, écrivez du code comme tirer une interface utilisateur qui affiche 5 émotions et niveaux à côté de l'expression.

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()

Il peut être exécuté avec python ms_emotion.py your_image.png.

Je pense que la précision est assez bonne (je ne peux pas beaucoup avoir un petit visage). Il existe environ 10 types d'expressions faciales, il sera donc amusant de jouer avec elles.

Il semble qu'il puisse également être utilisé pour l'analyse d'images en mouvement! Tant que l'API le permet ...