Python3使用微软人脸API-1.3人脸识别(比较相似度)

经过Python3使用微软人脸API-1.2创建人员组人员训练识别后

通过训练后识别(相似度问题)

微软的人脸识别API中上传一张图片查找相似度是根据人员的相似度返回的数据

#检测相似度
def identifyFace(personGroupId,faceIds,maxNumOfCandidatesReturned,confidenceThreshold):
    try:
        #maxNumOfCandidatesReturned=1
        #cOnfidenceThreshold=0.5
        Content_Type1='application/octet-stream'
        Content_Type2='application/json'
        headers = {
        # Request headers
        'Content-Type': Content_Type2,
        'Ocp-Apim-Subscription-Key': subscription_key,
        }
        params = urllib.parse.urlencode({
                                        })
        stra='{"personGroupId":"'
        strb='","faceIds":["'
        strc='"],"maxNumOfCandidatesReturned":'
        strd=',"confidenceThreshold": '
        stre='}' 
        body='%s%s%s%s%s%s%s%s%s'%(stra,personGroupId,strb,faceIds,strc,maxNumOfCandidatesReturned,strd,confidenceThreshold,stre)
        print(body)
        cOnn= http.client.HTTPSConnection('api.cognitive.azure.cn')
        conn.request("POST", "/face/v1.0/identify?%s" % params, body, headers)
        respOnse= conn.getresponse()
        data = response.read()
        data=data.decode()
        data=data.strip('[]') 
        data=eval(data)
        faceIdr=data["faceId"]
        candidates=data["candidates"]
        print(candidates[0]["personId"])
        print(candidates[0]["confidence"])
        conn.close()
    except Exception as e:
        print('Error:')
        print(e)

返回与人员组中与各个人员比较的相似度，可以通过判断相似度大于0.76进行筛选

到这一步基本上就可以完成各种识别分类，也可以通过微软人脸API中的智能识别对大量数据进行筛选，例如找20-30岁的男性，带着眼镜等等。

结合图片管理可以做一个图片分类，比如某某人分类在一个单独的文件夹显示

结合摄像头处理也可以做一个速度与激情8中所出现的极简版的“天眼”,当然，对摄像头的清晰度要求还是比较。

利用现有的人脸API缩减了开发时间，但是也降低了开发门槛，如果是真的学习人脸识别等等还是从看opencv看起吧，然后一步一步走，毕竟用别人的API所谓的核心竞争力都是别人的，只不过作为一个创意来做点有意思的事情还是不错的。

附上API地址作为结束吧

https://dev.cognitive.azure.cn/docs/services/563879b61984550e40cbbe8d/operations/563879b61984550f30395236/console