[Cognitive] 使用Microsoft Cognitive Service API進行影片的人像辨識

2016-04-26

1444
0
Cognitive
2016-04-23

Microsoft透過了Cognitive Service API的服務，提供影片的人像辨識，相片樣貌比對以及年齡的判斷等等的功能
這篇文章會說明如何透過影片 Video API，進行影片中人臉的辨識

要使用Microsoft Cognitive Service的服務，必須先申請服務的試用
連上Microsoft Cognitive Service的網頁後，點選Get Start for free的字樣，並登入Microsoft Live ID

在Request new trials的地方，要勾選[Video Preview]的項目，然後按下[Subscribe]

完成申請之後，會看到在Video Preview的地方，會有Key 1與Key 2，按下Show的連結，可以看到提供使用的Key字串，請把這組字串記下來

記完Key之後，就可以查看一下Cognitive Service所提供，在影片人臉辨識上有什麼可用的API，API的連結在這裡
https://www.microsoft.com/cognitive-services/en-us/video-api
https://dev.projectoxford.ai/docs/services/565d6516778daf15800928d5/operations/565d6517778daf0978c45e39

在透過影片進行人臉辨識的功能，會用到的主要有三個API，分別是
Face Detection and Tracking：指定要分析的影片網址或是資料流
Get Operation Result：取得指定影片的分析狀態
Get Result Video：取得影片的分析結果

Face Detection and Tracking這個API，可以透過指定網路上的影片網址的方式，或是直接將影片以資料流的方式上傳，Cognitive Service會在接收到檔案後，開始進行影片人臉的辨識分析，然後回傳這段影片在Cognitive Service上分析狀態的API網址，與分析結果的API網址

這段程式碼，可以將網路上的影片，傳送到Cognitive Service進行分析

static async void MakeRequest()
{
    var client = new HttpClient();
    var queryString = HttpUtility.ParseQueryString(string.Empty);

    // Request headers
    client.DefaultRequestHeaders.Add("Ocp-Apim-Subscription-Key", "[在這裡輸入Key]");

    var uri = "https://api.projectoxford.ai/video/v1.0/trackface?" + queryString;

    HttpResponseMessage response;

    // Request body
    string strContent = "{\"url\":\"[在這裡輸入要分析影片的網址\"}";
    byte[] byteData = Encoding.UTF8.GetBytes(strContent);

    using (var content = new ByteArrayContent(byteData))
    {
       content.Headers.ContentType = new MediaTypeHeaderValue("application/json");
       response = await client.PostAsync(uri, content);
    }
}

執行完這段程式後，response物件會回傳一個很重要的Header [Operation-Location]回來，這個屬性值會告訴我們，這段影片在Cognitive Service上的oid與資料提供的網址
接取的方式如下面程式碼所示

if (response.StatusCode == System.Net.HttpStatusCode.Accepted)
{
    // strOperationUrl是可以取得這段影片目前分析的狀態
    string strOprtationUrl = ((string[])response.Headers.GetValues("Operation-Location"))[0];
    // strContentUrl可以取得這段影片分析完成後，人臉辨識的資訊
    string strContentUrl = strOperationUrl + "/content";
}
else
{
    string strErrorMessage = response.ReasonPhrase;
}

若是有接收到Operation-Location的Header值，代表該影片有開始進行辨識的動作了，要知道這段影片有沒有被辨識完成，也是必須透過API去作確認的，確認的方式如下面的程式碼所示

static async void MakeRequest()
{
    var client = new HttpClient();
    var queryString = HttpUtility.ParseQueryString(string.Empty);
    
    // Request headers
    client.DefaultRequestHeaders.Add("Ocp-Apim-Subscription-Key", "[在這裡輸入Key]");

    var uri = "[將Operation-Location參數回傳的Url放進來]?" + queryString;
    var response = await client.GetAsync(uri);
}

一樣的，這邊只是向API要求該影片的處理狀態，接下來透過response取回的資訊要進行處理才能知道影片目前的狀態

if (response.StatusCode == System.Net.HttpStatusCode.OK)
{
    Stream stream = await response.Content.ReadAsStreamAsync();
    byte[] bytes = new byte[stream.Length];
    stream.Position = 0;
    stream.Read(bytes, 0, (int)stream.Length);
    try
    {
        CognitiveModels.FaceDetection objFaces = JsonConvert.DeserializeObject<CognitiveModels.FaceDetection>(Encoding.ASCII.GetString(bytes));
        string strProgress = objFaces.status + ":" + objFaces.progress + "%";
        if (objFaces.progress == 100)
        {
            // 影片已經分析完成
        }
    }
    catch (Exception ex)
    {
        string strErrorMessage = ex.Message;
    }
}
else
{
    string strErrorMessage = response.ReasonPhrase;
}

這部份的程式碼主要是在將取得的response接收回來後，將回傳的JSON資料轉成Object，並取得目前的status與progress處理進度，當progress為100時，代表該影片已經分析完成了

影片分析完成後，就必須利用第三個API，Get Result Video，取得人臉辨識的結果，取得的方式如下面程式

static async void MakeRequest()
{
    var client = new HttpClient();
    var queryString = HttpUtility.ParseQueryString(string.Empty);

    // Request headers
    client.DefaultRequestHeaders.Add("Ocp-Apim-Subscription-Key", "[在這裡輸入Key]");

    var uri = "[從Operation-Location參數取得的網址]/content?" + queryString;
    var response = await client.GetAsync(uri);
}

在取得辨識結果的API網址，需要在Operation-Location參數後面加上/content，接收到的response也同樣的必須進行處理，接收的方式如下

if (response.StatusCode == System.Net.HttpStatusCode.OK)
{
    // 取得分析的結果
    Stream stream = await response.Content.ReadAsStreamAsync();
    byte[] bytes = new byte[stream.Length];
    stream.Position = 0;
    stream.Read(bytes, 0, (int)stream.Length);
    string strContent = Encoding.ASCII.GetString(bytes);

    // 取得人臉辨識的資訊
    CognitiveModels.FaceDetectionResult objFaces = JsonConvert.DeserializeObject<CognitiveModels.FaceDetectionResult>(strContent);

    // 找出影片定義資訊
    int intTimeScale = objFaces.timescale;
    int intFrameRate = objFaces.framerate;
}
else
{
    string strErrorMessage = response.ReasonPhrase;
}

在這裡很簡單的說明一下，回傳的資料主要會用到Timescale，每一個fragments都會有start、duration與interval這三個屬性，而每一個fragments都會有許多的Event，Event下才會有人臉辨識出來的x,y,width,height,id等等的資訊，因為timescale與interval，影片長短之間有一些計算的關係，相關的作法建議有興趣的人直接開啟程式來看會比較快。

在範例程式中，開啟程式後，可以選擇要上傳本機影片，或是直接給一個Internet上的影片網址