转载

人脸识别，网站是如何运作的？

最近微软的 How-old.net 网站非常火热，用户在该站上传照片后，它可以测算出照片中人物的性别和年龄。

有国外网友在 Quora 上问了 How-old.net 的工作原理。下面是参与了该项目的微软项目经理 Eason Wang 的回复。

我本人就直接参与了这个项目。说实话，这个小网站的走红大大出乎了我的意料。我事后进行了一些为什么会走红的分析并且在 Medium 写了一篇文章。

回到主题吧，我的回答分成两个部分。第一个部分会讲讲如何快速地在任意的软件中实现一模一样的功能，第二个部分我会深入一些描述这项技术本身。

在过去的几年和微软研发部门的合作中，就 Bing 的图像搜索技术而言，我们达到了最好的工业图像理解能力，这项技术迅速延伸到微软的其他产品。目前在微软牛津项目主页上，这项技术对所有的开发者开放。想要在自己的软件中实现一样的功能，你只需要简单地调用一下我们的 web API，就可以以 JSON 格式获取所需的一切信息。你可以尝试着在 www.projectoxford.ai 的这个页面上传一幅图像，它将在数秒内给你结果，脸部坐标、性别和年龄信息都在里面。Face API 只是我们在牛津项目上做的特性的其中一项。还有很多其他的核心功能来帮助打造创新性的应用。微软内部的 API 向大众开放让我感到很兴奋，我知道这会对开发社区起到深远的影响。这让之前看起来不可能的事情变得只用简单地调用一下 web API 就能做到了。#HowOldRobot 只是这些能力的小小展示，Azure 机器学习团队的一个开发人员只用了一天就把它开发出来了。

人脸识别，网站是如何运作的？

（译者注：以下是 API 示例，为 JSON 格式）

JSON: [   {     "faceId": "5af35e84-ec20-4897-9795-8b3d4512a1f9",     "faceRectangle": {       "width": 60,       "height": 60,       "left": 276,       "top": 43     },     "faceLandmarks": {       "pupilLeft": {         "x": "295.1",         "y": "56.8"       },       "pupilRight": {         "x": "317.9",         "y": "59.6"       },       "noseTip": {         "x": "311.6",         "y": "74.7"       },       "mouthLeft": {         "x": "291.0",         "y": "86.3"       },       "mouthRight": {         "x": "311.6",         "y": "88.6"       },       "eyebrowLeftOuter": {         "x": "281.6",         "y": "50.1"       },       "eyebrowLeftInner": {         "x": "304.2",         "y": "51.6"       },       "eyeLeftOuter": {         "x": "289.1",         "y": "57.1"       },       "eyeLeftTop": {         "x": "294.0",         "y": "54.5"       },       "eyeLeftBottom": {         "x": "293.0",         "y": "61.0"       },       "eyeLeftInner": {         "x": "297.8",         "y": "58.7"       },       "eyebrowRightInner": {         "x": "316.0",         "y": "54.2"       },       "eyebrowRightOuter": {         "x": "324.7",         "y": "54.2"       },       "eyeRightInner": {         "x": "312.9",         "y": "60.9"       },       "eyeRightTop": {         "x": "317.8",         "y": "57.7"       },       "eyeRightBottom": {         "x": "317.9",         "y": "63.7"       },       "eyeRightOuter": {         "x": "322.8",         "y": "60.8"       },       "noseRootLeft": {         "x": "304.0",         "y": "60.2"       },       "noseRootRight": {         "x": "312.2",         "y": "61.2"       },       "noseLeftAlarTop": {         "x": "302.6",         "y": "70.2"       },       "noseRightAlarTop": {         "x": "313.0",         "y": "70.0"       },       "noseLeftAlarOutTip": {         "x": "298.8",         "y": "76.2"       },       "noseRightAlarOutTip": {         "x": "315.2",         "y": "76.6"       },       "upperLipTop": {         "x": "307.3",         "y": "84.0"       },       "upperLipBottom": {         "x": "306.6",         "y": "86.4"       },       "underLipTop": {         "x": "305.5",         "y": "89.6"       },       "underLipBottom": {         "x": "304.1",         "y": "94.0"       }     },     "attributes": {       "age": 24,       "gender": "female",       "headPose": {         "roll": "4.0",         "yaw": "31.3",         "pitch": "0.0"       }     }   } ]

How-old.net 这个网站主要依赖于三个关键的技术： 面部检测、性别分类和年龄检测 。面部检测是另外两个的基础。对于年龄检测和性别检测来说，只是机器学习中很典型的回归和分类问题，涉及到了面部特征的表示、训练数据的采集、回归和分类模型的构建以及模型的优化。这方面有很多的已经发表的论文。如果你有兴趣想进一步了解就告诉我。

正文到此结束