MS Face API oxford标识/由Python分组

Question

我正在尝试使用python创建基于MS的图像分类器。

首先，我想通过MSDN遵循一条指令“如何识别脸”--这个指令是基于C#的，但是我想引用并转换成python。

https://msdn.microsoft.com/en-us/library/mt605327.aspx

基于我的分析，为了识别人脸，这个过程是这样的。

1. Person Group -创建Person Group API

Person -创建Person API

人-增加一个人脸3。训练人组人组-训练人组API。个人团体-获得个人团体培训状态

1. 识别面部-识别。

Q1。如何创建子组的例子？下面的代码基本上创建了person组id，我不知道在本例中如何添加子组，如"Anna“、"Bill”、"Claire“。

#Person Group - Create a Person Group API
group_id = 'myfriend'
params = urllib.urlencode({ 'personGroupId': group_id})

body = '{"name": "myfriend1","userData": "user_profivde_data"}'
print(body)

try:
conn = httplib.HTTPSConnection('api.projectoxford.ai')
conn.request("PUT", "/face/v1.0/persongroups/{personGroupId}?%s" % params, body, headers)
response = conn.getresponse()
data = response.read()
print(data)
conn.close()
except Exception as e:
print("[Errno {0}] {1}".format(e.errno, e.strerror))

Q2。如何添加多个用户界面数据而不是url？它似乎需要身体的url，它只能数据一个。我想通过我的磁盘上传几个数据。

# Person - Add a Person Face

params = urllib.urlencode({
# Request parameters
'personGroupId': 'myfriend1',
'personId': "f50119eb-5a61-479f-9c57-d2af4eb99c48",
'userData': '{r/media/ryan/Windows_D/xx/xx.jpg}',
#'targetFace': '{string}',
})

body = '{ "url": "" }'

try:
conn = httplib.HTTPSConnection('api.projectoxford.ai')
conn.request("POST", "/face/v1.0/persongroups/{personGroupId}/persons/{personId}/persistedFaces?%s" % params, body, headers)
response = conn.getresponse()
data = response.read()
print(data)
conn.close()
except Exception as e:
print("[Errno {0}] {1}".format(e.errno, e.strerror))

如果有人有由ms进行图像分组的python代码，那就太好了。

谢谢你的帮助，我真的很感激。

Answer 1

Q1:一旦您成功地创建了一个PersonGroup，那么您就可以使用create调用API参考 \ 如何-去医生创建Person对象作为该组的一部分。您可以有多个人组，每个人组可以有多个人对象。Person对象必须存在于person组中。

Q2：加面每次只接受一个脸，所以如果有5个faces要添加到Person对象中，则需要5个调用来添加person faces。虽然它在C#中，但是有一个在这个如何-去医生中迭代一个文件夹来完成这个任务的例子

此外，这里还有一个python笔记本，展示了如何使用Face的检测，这可能很有趣：https://github.com/Microsoft/ProjectOxford-ClientSDK/blob/master/Face/Python/Jupyter%20Notebook/Face%20Detection%20Example.ipynb

我们总是希望扩展示例，如果您想要扩展这个Python，可以很高兴地查看一个拉请求，其中包含一个识别示例:-)