Microsoft Azure Project Oxford 体验

 

2015年4月29日，微软在Build 2015大会上发布了一个震撼人心的项目： Project Oxford, 可以帮助直接实现图像理解、人脸识别、语音识别、语音合成等功能。虽然说这是号称研究院的项目，不过人脸识别，图像分类等等功能早已经在开源社区是一个比较成熟的东西了，OpenCV里也有很多成熟的算法，不过能够被直接用在公有云上使用，也算是帮助广大创业的小伙伴们实现更多强大的功能。正好遇到5/1休息，IT码农的本色又展现了出来，让我来看一些到底有哪些有趣的功能可以玩。

Oxford支持的功能

Oxford的项目站点在https://www.projectoxford.ai/，主要包含了Face API, Speech API，Vision API和语言理解智能服务(LUIS)，分别对应了Azure Marketplace中的几个不同的app service，除了语言理解智能服务(LUIS)需要邀请加入以外，其他三个服务都已经可以在Azure全球的市场中进行试用了，不过当前只支持美西区域。当前也只有免费的计划，包含了每分钟20个事务和每个月5000个事务的上限，看上去还没有办法商用。

Face API主要是一些人脸识别的接口和功能，包含人脸检测，人脸验证，相似人脸查询，人脸分类和人脸识别。里面比较有趣的功能是能估计你的年龄，当然这个年龄和你当时的表情以及光线情况相关，不会非常的准确。

Speech API包含了语音识别的接口和功能，包括语音识别，语音意图识别和TTS，也就是以前微软的Speech Server提供的一些功能，如果想做个类似Cortana或者Siri的工具，就可以直接调用这个API。

Vision API包含了一些智能图像处理的接口，比如图像内容分析，图像分类，色情内容检测，前景背景色分析等等。还有比较简单的缩略图功能，当然这些缩略图功能像阿里云和七牛也都是免费支持。值得一提的是OCR的功能，可以从自然场景中检测出文本，这就是我当年念书时候的硕士论文啊有木有。

Oxford 试用准备

Oxford的项目站点https://www.projectoxford.ai/上其实已经提供了大量的Live Demo, 可以通过现有的图像库，或者Azure Storage Account，甚至是自己上传一些图像来试用效果，不过作为IT码农，必须要使用自己的代码来实现在有乐趣。说玩就玩。

要使用Project Oxford，需要有一个全球的Azure账号，可以前往Marketplace进行注册，包括Face API, Speech API和Vision API，参见下面的三步，首先是选择服务，然后选择计划和名字，当前只有免费计划，最后确认。

 

 

 

当购买完之后，在Azure Management Portal中就已经有了三个服务了。

Face API试用

今天先玩一下Face API,首先去https://www.projectoxford.ai/sdk下载SDK，现在只有.NET和Android的平台，不过由于所有的接口都是REST API的，所以随便什么代码其实都可以用。

打开SDK以后，其实里面已经有一个现成的Sample代码在里面封装了所有的功能，根本不需要自己写什么代码，唯一需要的是打开Oxford的管理页面https://dev.projectoxford.ai/Developer 获取订阅的Key，替换到代码中。

 

 

紧接着把示例代码跑起来。

你可以看到说基本上五个功能都包含在其中了。首先是人脸识别，我使用了我自己的照片，可以检测出我脸。API支持检测脸部的landmarks，年龄，性别，头部的位置以及倾斜的角度。可是为什么我看上去比真实的年龄要老呢? 这个不科学啊。这个API对图像有一定的要求，包括必须大于36*36像素大小，小于4M，人脸也最好是正面或者接近正面，此外由于读取的是第一帧的信息，所以还需要注意JPEG拍摄的方向，调整到人头向上的角度。

接下来我们来试一下人脸的验证，看看是不是同一个人。一样我可以选择两张照片，然后看看结论如何。

 

看到最后一行没，他居然知道这是一个人！太厉害了。

接下来的三个功能是人脸分组，寻找类似的脸和在一个人物组里面寻找人，这些功能其实是上面两个基本功能的延伸，核心还是人脸识别和人脸匹配，这里我就不试了。基本上有了这个API，我们可以做一个非常强的iPhoto出来了，这对创业公司想做一个类似照片管理的工具而言已经非常有用了。当然现在再做这个已经没啥机会了，不过我们可以利用这个API，在现有应用上为用户提供更好的体验。

好了，晚点我在来用用Speech API和Vision API，虽然还没具体试用，但是在他的Live Demo里，我发现他们都支持中文语音和文字识别，这对国内的小伙伴们的确是非常大的利好。我又不好意思想起了Microsoft Band居然不支持中文，搞得我只好去用Apple Watch了。