Face++头像检测分析

想做一个微信朋友的头像分析,分析出使用头像的种类,如人像、卡通像、风景、表情图等。一开始用准备用opencv,但是在安装opencv时一直出错,一步一步的解决,第四遍时终于安装好了opencv,但是运行又发现 numpy包的版本不匹配。

种种问题,只好先放一放。想到了Face++,于是动手,边看文档边弄。以下是一些使用情况。

1)申请开发者帐号,api_key, api_secret
2)查看API文档说明
3)动手写代码测试

采用API调用的方式,比较简单,但是没有我之前预期的把图片分类。我使用是的Direct API,只能进行人脸检测和人脸分析。我只取两个数据:性别和年龄。即调用Face++ Direct API分析出头像的性格和年龄。看网站下还有一个数据,微笑的类别种类,如“似笑非笑”、“眉开眼笑”等,我没有找到相应的分类说明,这个数据抓取下来了也无法辨别。

测试很简单,POST请求,传递3个参数,app_key, app_secret, 需要检测的图片文件url,返回json数据,编程就是对数据进行解析。

curl -X POST "https://api-cn.faceplusplus.com/facepp/v3/detect" -F "api_key=gwFiGs7g3vbYQqLcwcdvieaEprbGbCXe" \
-F "api_secret=qVGtFiWRiQG7Wmy9uRrdZgm6PWEijEVU" \
-F "image_url=http://ol6pdll7a.bkt.clouddn.com/x_6.jpg" \
-F "return_landmark=0" \
-F "return_attributes=gender,age"

返回的json


{
    "image_id": "W30t6uOoAtiyx9n/kypZMg==",
    "request_id": "1486806689,22075b28-9daa-42d0-9341-305e8cb32f31",
    "time_used": 290,
    "faces": [
        {
            "attributes": {
                "gender": {
                    "value": "Female"
                },
                "age": {
                    "value": 37
                }
            },
            "face_rectangle": {
                "width": 49,
                "top": 37,
                "left": 45,
                "height": 49
            },
            "face_token": "325b034c1f0821af1898a0ec35ee3f16"
        }
    ]
}

发现在识别度上有这样几个问题:

  1. 拍摄得太远,人像太小,会无法识别
  2. 背影、侧面、剪影都无法识别
  3. 戴口罩的无法识别,戴墨镜的会识别出性别错误
  4. 卡通人物头像无法识别,但是照片素描化后是可以识别的

文档中对图片的要示是:最小48*48像素。

最后写了一段代码对1546个微信好友头像进行了检测分析:
女性210人,男性142人,没有检测出来(包括非人像图片头像)1149人。也就是使用清晰人像作为微信头像的占22.7%。
稍后,当然还有更多其他数据分析。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,319评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,801评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,567评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,156评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,019评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,090评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,500评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,192评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,474评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,566评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,338评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,212评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,572评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,890评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,169评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,478评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,661评论 2 335

推荐阅读更多精彩内容