Microsoft Azure和WPF实现人脸检测
2024-04-24 05:38:59
在本文中，详解如何使用Microsoft Azure和WPF技术的帮助下使用实现人脸API应用程序。该应用程序检测人脸图像，显示每张脸周围的红框，以及通过将光标移动到框来显示每张脸的描述的状态栏。
先决条件
- 在 Azure 门户中创建人脸 API。
- 在 WPF 应用程序中访问和管理人脸 API 密钥。
- 在 Visual Studio 2019 中使用人脸 API 创建 WPF 应用程序。
按照步骤在 Azure 门户上创建人脸 API。
第1步
登录 Azure网站。
Step 2
按“+新建”，选择“AI+认知服务”，选择“人脸API”。
第 3 步
在“创建人脸 API”边栏选项卡中，输入您的API名称，选择所需的订阅，然后为API选择所需的位置。选择我们使用所需的适当定价层。为API创建资源组。然后，按“创建”。
复制端点并按“显示/管理密钥”以显示我们在WPF应用程序中使用的密钥。
推荐一款C# MVVM框架开源项目：Newbeecoder.UI
Newbeecoder.UI开源项目
Demo下载：
Newbeecoder.UI开源项目https://share.weiyun.com/py6W1dcK
第4步
“管理密钥”刀片显示将用作我们的人脸API访问密钥的密钥。单击“复制”按钮，然后将其粘贴到记事本中。
使用 C#在Visual Studio中实现人脸API
第 5 步
按照步骤使用 Visual Studio 2019创建基于Windows 的 WPF应用程序。
打开Visual Studio 2019。
- 从菜单栏中，单击文件>>新建>>新建项目。
- 在Visual Studio中，选择已安装-->模板-->Visual C#-->Windows经典桌面-->WPF应用程序（.NET 应用程序）。
- 为我们的应用程序输入名称为FaceApiDemo，然后按 OK 在解决方案资源管理器中打开它。
第 6 步
我们需要将两个包添加到我们的WPF应用程序中。右键单击解决方案资源管理器并按“NuGet 包管理器”添加两个包。
Newtonsoft.json是适用于.NET应用程序的流行JSON框架的框架。我们将使用它，因为我们的 Face API包含大量JSON文件来存储有关图像的各种详细信息。
在 NuGet 包中，浏览 Newtonsoft.json，然后按“安装”。
此外，浏览Microsoft.ProjectOxford.Face并按“安装” 。该包用于通过HTTPS请求配置人脸 API 和我们的应用程序。因此，它导入了一个封装 Face API REST 请求的 .NET 库。
第 7 步
将以下代码复制并粘贴到MainWindow.Xaml。这是我们的Windows应用程序的布局代码。
<Window x:Class="FaceApiDemo.MainWindow" xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation" xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml" Title="MainWindow" Height="700" Width="960"> <Grid x:Name="BackPanel"> <Image x:Name="FacePhoto" Stretch="Uniform" Margin="0,0,0,50" MouseMove="FacePhoto_MouseMove" /> <DockPanel DockPanel.Dock="Bottom"> <Button x:Name="BrowseButton" Width="72" Height="20" VerticalAlignment="Bottom" HorizontalAlignment="Left" Content="Browse..." Click="BrowseButton_Click" /> <StatusBar VerticalAlignment="Bottom"> <StatusBarItem> <TextBlock Name="faceDescriptionStatusBar" /> </StatusBarItem> </StatusBar> </DockPanel> </Grid>
</Window> 步骤8
打开MainWindow.xaml.cs，用下面的代码替换代码。
using System;
using System.Collections.Generic;
using System.IO;
using System.Text;
using System.Threading.Tasks;
using System.Windows;
using System.Windows.Input;
using System.Windows.Media;
using System.Windows.Media.Imaging;
using Microsoft.ProjectOxford.Common.Contract;
using Microsoft.ProjectOxford.Face;
using Microsoft.ProjectOxford.Face.Contract; namespace FaceApiDemo { public partial class MainWindow : Window { // Replace the first parameter with your valid subscription key. // // Replace or verify the region in the second parameter. // // You must use the same region in your REST API call as you used to obtain your subscription keys. // For example, if you obtained your subscription keys from the westus region, replace // "westcentralus" in the URI below with "westus". // // NOTE: Free trial subscription keys are generated in the westcentralus region, so if you are using // a free trial subscription key, you should not need to change this region. private readonly IFaceServiceClient faceServiceClient = new FaceServiceClient("keys", "Endpoints"); Face[] faces; // The list of detected faces. String[] faceDescriptions; // The list of descriptions for the detected faces. double resizeFactor; // The resize factor for the displayed image. //private object faceDescriptionStatusBar; public MainWindow() { InitializeComponent(); } // Displays the image and calls Detect Faces. private async void BrowseButton_Click(object sender, RoutedEventArgs e) { // Get the image file to scan from the user. var openDlg = new Microsoft.Win32.OpenFileDialog(); openDlg.Filter = "JPEG Image(*.jpg)|*.jpg"; bool? result = openDlg.ShowDialog(this); // Return if canceled. if (!(bool)result) { return; } // Display the image file. string filePath = openDlg.FileName; Uri fileUri = new Uri(filePath); BitmapImage bitmapSource = new BitmapImage(); bitmapSource.BeginInit(); bitmapSource.CacheOption = BitmapCacheOption.None; bitmapSource.UriSource = fileUri; bitmapSource.EndInit(); FacePhoto.Source = bitmapSource; // Detect any faces in the image. Title = "Detecting..."; faces = await UploadAndDetectFaces(filePath); Title = String.Format("Detection Finished. {0} face(s) detected", faces.Length); if (faces.Length > 0) { // Prepare to draw rectangles around the faces. DrawingVisual visual = new DrawingVisual(); DrawingContext drawingContext = visual.RenderOpen(); drawingContext.DrawImage(bitmapSource, new Rect(0, 0, bitmapSource.Width, bitmapSource.Height)); double dpi = bitmapSource.DpiX; resizeFactor = 96 / dpi; faceDescriptions = new String[faces.Length]; for (int i = 0; i < faces.Length; ++i) { Face face = faces[i]; // Draw a rectangle on the face. drawingContext.DrawRectangle( Brushes.Transparent, new Pen(Brushes.Red, 2), new Rect( face.FaceRectangle.Left * resizeFactor, face.FaceRectangle.Top * resizeFactor, face.FaceRectangle.Width * resizeFactor, face.FaceRectangle.Height * resizeFactor ) ); // Store the face description. faceDescriptions[i] = FaceDescription(face); } drawingContext.Close(); // Display the image with the rectangle around the face. RenderTargetBitmap faceWithRectBitmap = new RenderTargetBitmap( (int)(bitmapSource.PixelWidth * resizeFactor), (int)(bitmapSource.PixelHeight * resizeFactor), 96, 96, PixelFormats.Pbgra32); faceWithRectBitmap.Render(visual); FacePhoto.Source = faceWithRectBitmap; // Set the status bar text. faceDescriptionStatusBar.Text = "Place the mouse pointer over a face to see the face description."; } } // Displays the face description when the mouse is over a face rectangle. private void FacePhoto_MouseMove(object sender, MouseEventArgs e) { // If the REST call has not completed, return from this method. if (faces == null) return; // Find the mouse position relative to the image. Point mouseXY = e.GetPosition(FacePhoto); ImageSource imageSource = FacePhoto.Source; BitmapSource bitmapSource = (BitmapSource)imageSource; // Scale adjustment between the actual size and displayed size. var scale = FacePhoto.ActualWidth / (bitmapSource.PixelWidth / resizeFactor); // Check if this mouse position is over a face rectangle. bool mouseOverFace = false; for (int i = 0; i < faces.Length; ++i) { FaceRectangle fr = faces[i].FaceRectangle; double left = fr.Left * scale; double top = fr.Top * scale; double width = fr.Width * scale; double height = fr.Height * scale; // Display the face description for this face if the mouse is over this face rectangle. if (mouseXY.X >= left && mouseXY.X <= left + width && mouseXY.Y >= top && mouseXY.Y <= top + height) { faceDescriptionStatusBar.Text = faceDescriptions[i]; mouseOverFace = true; break; } } // If the mouse is not over a face rectangle. if (!mouseOverFace) faceDescriptionStatusBar.Text = "Place the mouse pointer over a face to see the face description."; } // Uploads the image file and calls Detect Faces. private async Task<Face[]> UploadAndDetectFaces(string imageFilePath) { // The list of Face attributes to return. IEnumerable<FaceAttributeType> faceAttributes = new FaceAttributeType[] { FaceAttributeType.Gender, FaceAttributeType.Age, FaceAttributeType.Smile, FaceAttributeType.Emotion, FaceAttributeType.Glasses, FaceAttributeType.Hair }; // Call the Face API. try { using (Stream imageFileStream = File.OpenRead(imageFilePath)) { Face[] faces = await faceServiceClient.DetectAsync(imageFileStream, returnFaceId: true, returnFaceLandmarks: false, returnFaceAttributes: faceAttributes); return faces; } } // Catch and display Face API errors. catch (FaceAPIException f) { MessageBox.Show(f.ErrorMessage, f.ErrorCode); return new Face[0]; } // Catch and display all other errors. catch (Exception e) { MessageBox.Show(e.Message, "Error"); return new Face[0]; } } // Returns a string that describes the given face. private string FaceDescription(Face face) { StringBuilder sb = new StringBuilder(); sb.Append("Face: "); // Add the gender, age, and smile. sb.Append(face.FaceAttributes.Gender); sb.Append(", "); sb.Append(face.FaceAttributes.Age); sb.Append(", "); sb.Append(String.Format("smile {0:F1}%, ", face.FaceAttributes.Smile * 100)); // Add the emotions. Display all emotions over 10%. sb.Append("Emotion: "); EmotionScores emotionScores = face.FaceAttributes.Emotion; if (emotionScores.Anger >= 0.1f) sb.Append(String.Format("anger {0:F1}%, ", emotionScores.Anger * 100)); if (emotionScores.Contempt >= 0.1f) sb.Append(String.Format("contempt {0:F1}%, ", emotionScores.Contempt * 100)); if (emotionScores.Disgust >= 0.1f) sb.Append(String.Format("disgust {0:F1}%, ", emotionScores.Disgust * 100)); if (emotionScores.Fear >= 0.1f) sb.Append(String.Format("fear {0:F1}%, ", emotionScores.Fear * 100)); if (emotionScores.Happiness >= 0.1f) sb.Append(String.Format("happiness {0:F1}%, ", emotionScores.Happiness * 100)); if (emotionScores.Neutral >= 0.1f) sb.Append(String.Format("neutral {0:F1}%, ", emotionScores.Neutral * 100)); if (emotionScores.Sadness >= 0.1f) sb.Append(String.Format("sadness {0:F1}%, ", emotionScores.Sadness * 100)); if (emotionScores.Surprise >= 0.1f) sb.Append(String.Format("surprise {0:F1}%, ", emotionScores.Surprise * 100)); // Add glasses. sb.Append(face.FaceAttributes.Glasses); sb.Append(", "); // Add hair. sb.Append("Hair: "); // Display baldness confidence if over 1%. if (face.FaceAttributes.Hair.Bald >= 0.01f) sb.Append(String.Format("bald {0:F1}% ", face.FaceAttributes.Hair.Bald * 100)); // Display all hair color attributes over 10%. HairColor[] hairColors = face.FaceAttributes.Hair.HairColor; foreach (HairColor hairColor in hairColors) { if (hairColor.Confidence >= 0.1f) { sb.Append(hairColor.Color.ToString()); sb.Append(String.Format(" {0:F1}% ", hairColor.Confidence * 100)); } } // Return the built string. return sb.ToString(); } }
}
在代码的第30行，输入我们从Azure Face API获取的密钥和端点 URL。
private readonly IFaceServiceClient faceServiceClient = new FaceServiceClient("_key_", "End-point URL");
在 Azure 门户上使用人脸API替换密钥和端点。
步骤 9
保存并启动程序。然后，单击“浏览”按钮导入图像以检测人脸。
第 10 步
等待几秒钟。云API想要响应我们的图像，以使用图像中人脸周围的红色框来检测人脸。将光标移到面部矩形上，该图像的描述会显示在状态栏中。
Microsoft Azure和WPF实现人脸检测相关推荐
- WPF 实现人脸检测
WPF开发者QQ群 此群已满340500857 ,请加新群458041663 由于微信群人数太多入群请添加小编微信号 yanjinhuawechat 或 W_Feng_aiQ 邀请入群 需备注WPF ...
- 使用UWP人脸检测API在WPF中进行人脸检测
目录 介绍 先决条件 背景 人脸检测 标记人脸 查看模型 视图 结论 Download repository 介绍 通用Windows平台的Windows.Media.FaceAnalysis名称空间 ...
- Azure 微软|人脸检测|边界框检测|物体分类检测|WEB_API|PYTHON
开通服务 略 环境 pip install --upgrade azure-cognitiveservices-vision-computervision pip install pillow sub ...
- 【Microsoft Azure 的1024种玩法】二十九.基于Azure VM快速实现网络入侵检测 (IDS) 及网络安全监视 (NSM)
[简介] 数据包捕获是一个重要组件,可以实施网络入侵检测系统 (IDS) 并执行网络安全监视 (NSM). 我们可以借助开源 IDS 工具来处理数据包捕获,并检查潜在网络入侵和恶意活动的签名. 使用网 ...
- 漫画人脸检测 | 全局和局部信息融合的深度神经网络（文末源码）
人脸检测&识别依然是CV领域炙热的研究课题,不仅仅应用在各种刷脸产品,现在很多多媒体都在利用这个技术,与艺术融合,擦除不一样的火花,今天我们就来和大家分享,漫画中的人脸检测,与之前漫画人物自动 ...
- 人脸识别客户端应用程序_如何在应用程序中使用功能识别设置人脸检测
人脸识别客户端应用程序 by Rohit Ramname 由Rohit Ramname 如何在应用程序中使用功能识别设置人脸检测 (How you can set up face detection ...
- 内存256KB设备也能人脸检测，微软提出用RNN代替CNN | NeurIPS 2020
蕾师师 发自 凹非寺 量子位 报道 | 公众号 QbitAI 为了让更多IoT设备用上AI,在条件"简陋"的单片机上跑图像识别模型也成为一种需求. 但是图像识别对内存有较高的要求, ...
- 49 款人脸检测/识别的API、库和软件
Face Recognition - 拉姆达实验室斯蒂芬弄的.示例代码和图形演示点击http://api.lambdal.com/docs,我们的API提供了面部识别,面部检测,眼睛定位,鼻子定位,嘴 ...
- 一种改进的快速人脸检测算法
人脸检测是计算机视觉及相关领域的关键技术,在智能人机交互.视频会议.安全监控等方面都有着广阔的应用前景.目前人脸检测方法主要有基于知识的方法和基于统计学习的方法[1].其中,基于知识的检测算法首先抽取 ...
最新文章
- 【转】IE浏览器快捷键大全
- say小组KTV点歌系统简介
- 嵌入式Linux系统编程学习之十九标准管道流
- centos内核错误_centos 升级内核失败回救
- Timeline窗口详解
- Golang的io.go和io.pipe库的笔记
- VB编PiView4注册机
- 月份对比_行业洞察 | 10月份行业概览amp;头部广告主盘点
- 微信抢红包插件与Android辅助功能
- V4L2驱动的移植与应用（三）
- [转]伽利略卫星导航系统2019年7月14日起的宕机事件
- android 左右声道,Android立体声pcm的数据结构，左右声道拆分、左右声道反转
- 男人还是学点一技之长最靠谱
- 正则表达式（ 形容词、转义符号、补充）
- IE浏览器下载excel文件时不弹出下载保存提示框的解决方法
- 梯度消失与梯度爆炸（多图）
- Sklearn之KMeans算法
- 拉格朗日插值的优缺点_拉格朗日插值法与牛顿插值法的比较
- 鼠标选中后会自动删除文件的现状及解决方案
- 选择性合并、等增益、最大比值