前几天在CSDN看到博主 快乐的√4 使用python调用百度人脸检测API的文章，链接如下: https://blog.csdn.net/qq_44809707/article/details/110430370

根据百度AI平台官方文档，只提供了PHP、JAVA、Python等调用方法，出于好奇，决定尝试使用R来实现一下，具体方法将在一下文章中完成。

实现过程

1. 到百度智能云平台申请密钥

链接：https://ai.baidu.com/

或直接登录到控制台：https://console.bce.baidu.com/

• 在控制台右侧边栏中找到人脸识别
• 创建应用

• 创建应用后，图中的API Key 和 Secret Key后面将要用到。

2. R代码实现

语言：R语言

平台：Rstudio

所需包：httr、base64enc

必读官方文档：

• 鉴权认证机制(获取Access Token) https://ai.baidu.com/ai-doc/REFERENCE/Ck3dwjhhu
• 人脸检测：https://ai.baidu.com/ai-doc/FACE/yk37c1u4t

1. 获取Access Token

根据官方文档说明，我们将使用以下URL来，POST请求来获得Access Token。

找到百度API官网刚才记下来的API Key 和 Secret Key，并使用readline命令储存到以下两个值中。然后拼接API key 和 Secret Key到URL中。

api_key <- readline(prompt = "Please paste the API Key: ")
secret_key <- readline(prompt = "Please paste the Secret Key: ")
url1 <- paste0("https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=", api_key, "&client_secret=", secret_key)

获取Access Token

library(httr) # 加载所需包，若没有请用install.packages("httr")安装
response <- POST(url = url1) # 记录返回值

根据以上文档截图，服务器讲返回JSON文本，并包含如图中的参数，为了方便读取，排除无用信息，我们使用httr包中的content()来读取JSON文本，返回值是一个list，我们将读取list中的access_token项，如下：

access_token <- content(response)$access_token # 储存access_token

2. 将你要上传分析的图片转为base64格式

由于文档要求，请求的图片需经过Base64编码，我们将使用base64enc包中的base64encode()来处理图片。

library(base64enc)
image_name <- readline("Please enter the image name (xxx.jpg/xxx.png): ")
img_base64 <- base64enc::base64encode(what = image_name)

3. 上传图片并取回数据

请求方法如文档所示：

Body中的请求参数如下，可根据自己需求自定义：

请求参数

说明：face_field参数，默认只返回人脸框、概率和旋转角度，age等更多属性，请在此参数中添加。

接下来，上传图片并取回数据

url2 <- url2 <- paste0("https://aip.baidubce.com/rest/2.0/face/v3/detect?access_token=", access_token) # 拼接请求URL和token

raw_data <- POST(url = url2, body = list(image = img_base64,
                                       image_type = "BASE64",
                                       face_field = "gender,age,beauty,gender,race,emotion,face_shape",
                                       face_type = "LIVE"))

raw_data_2 <- content(raw_data) # 使用content读取返回的JSON

如果请求正确(error code 为 0)，将得到类似如下的list：

4. 分析并输出有用数据

根据上面取得到raw data，我们将进一步读取和分析，取出有用的数据，并增加注解使输出值更便于理解。

# 添加if 判断 error code是否为0，返回error code和error msg
if (raw_data_2$error_code == 0) {
  
# 是人脸的概率
face_probability <- raw_data_2$result$face_list[[1]]$face_probability
cat("图片是人脸的概率：", face_probability*100, "%", "\n")

# 性别
gender <- raw_data_2$result$face_list[[1]]$gender
if (gender$type == "female") {
  cat("性别：女 - 准确性：", gender[[2]]*100, "%", "\n")
} else if (gender$type == "male") {
  cat("性别：男 - 准确性：", gender[[2]]*100, "%", "\n")
}

# 年龄预测
age <- raw_data_2$result$face_list[[1]]$age
cat("预测年龄为：", age, "\n")

# 人种肤色
race <- raw_data_2$result$face_list[[1]]$race$type
cat("预测人种肤色：", race, "\n")

# 预测心情·
emotion <- raw_data_2$result$face_list[[1]]$emotion
if (emotion$type == "angry") {
  cat("预测心情：愤怒\n")
}
if (emotion$type == "disgust") {
  cat("预测心情：厌恶\n")
}
if (emotion$type == "fear") {
  cat("预测心情：恐惧\n")
}
if (emotion$type == "happy") {
  cat("预测心情：高兴\n")
}
if (emotion$type == "sad") {
  cat("预测心情：伤心 \n")
}
if (emotion$type == "surprise") {
  cat("预测心情：惊讶 \n")
}
if (emotion$type == "neutral") {
  cat("预测心情：中性，无表情\n")
}
if (emotion$type == "pouty") {
  cat("预测心情：撅嘴\n")
}
if (emotion$type == "grimace") {
  cat("预测心情：鬼脸\n")
}

# 颜值打分
beauty <- raw_data_2$result$face_list[[1]]$beauty
cat("颜值打分(0-100分)：", beauty, "\n")

# 脸型判断
face_shape <- raw_data_2$result$face_list[[1]]$face_shape
if (face_shape$type == "square") {
  cat("脸型：方脸\n")
}
if (face_shape$type == "triangle") {
  cat("脸型：三角形\n")
}
if (face_shape$type == "oval") {
  cat("脸型：椭圆\n")
}
if (face_shape$type == "heart") {
  cat("脸型：心形\n")
}
if (face_shape$type == "round") {
  cat("脸型：圆形\n")
}
} else {
  cat("错误\n")
  cat("Error Code:", raw_data_2$error_code, "\n")
  cat("Error message:", raw_data_2$error_msg)
}

最终输出类似结果下图：

测试下明星的颜值

1. 杨幂

结果如下：

1. 邓论

结果如下：

注意：以上得到的结果来自于AI的算法，并不能保证完全准确性哦。另外，提高图片的清晰度似乎可以增加判断准确性。

完整代码

library(httr)
library(jsonlite)
library(base64enc)

# 输入API key 和 Secret Key
api_key <- readline(prompt = "Please paste the API Key: ")
secret_key <- readline(prompt = "Please paste the Secret Key: ")

# 拼接URL
url1 <- paste0("https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=",
               api_key, "&client_secret=", secret_key)

# 获取Access Token
response <- POST(url = url1)
access_token <- content(response)$access_token

# 将图片转换为base64格式
image_name <- readline("Please enter the image name (xxx.jpg/xxx.png): ")
library(base64enc)
img_base64 <- base64enc::base64encode(what = image_name)

# 上传图片并取回数据
url2 <- url2 <- paste0("https://aip.baidubce.com/rest/2.0/face/v3/detect?access_token=",
                       access_token) # 拼接请求URL和token

raw_data <- POST(url = url2, body = list(image = img_base64,
                                         image_type = "BASE64",
                                         face_field = "gender,age,beauty,gender,race,emotion,face_shape",
                                         face_type = "LIVE"))

raw_data_2 <- content(raw_data) # 使用content读取返回的JSON

# 添加if 判断 error code是否为0，返回error code和error msg
if (raw_data_2$error_code == 0) {
  
  # 是人脸的概率
  face_probability <- raw_data_2$result$face_list[[1]]$face_probability
  cat("图片是人脸的概率：", face_probability*100, "%", "\n")
  
  # 性别
  gender <- raw_data_2$result$face_list[[1]]$gender
  if (gender$type == "female") {
    cat("性别：女 - 准确性：", gender[[2]]*100, "%", "\n")
  } else if (gender$type == "male") {
    cat("性别：男 - 准确性：", gender[[2]]*100, "%", "\n")
  }
  
  # 年龄预测
  age <- raw_data_2$result$face_list[[1]]$age
  cat("预测年龄为：", age, "\n")
  
  # 人种肤色
  race <- raw_data_2$result$face_list[[1]]$race$type
  cat("预测人种肤色：", race, "\n")
  
  # 预测心情·
  emotion <- raw_data_2$result$face_list[[1]]$emotion
  if (emotion$type == "angry") {
    cat("预测心情：愤怒\n")
  }
  if (emotion$type == "disgust") {
    cat("预测心情：厌恶\n")
  }
  if (emotion$type == "fear") {
    cat("预测心情：恐惧\n")
  }
  if (emotion$type == "happy") {
    cat("预测心情：高兴\n")
  }
  if (emotion$type == "sad") {
    cat("预测心情：伤心 \n")
  }
  if (emotion$type == "surprise") {
    cat("预测心情：惊讶 \n")
  }
  if (emotion$type == "neutral") {
    cat("预测心情：中性，无表情\n")
  }
  if (emotion$type == "pouty") {
    cat("预测心情：撅嘴\n")
  }
  if (emotion$type == "grimace") {
    cat("预测心情：鬼脸\n")
  }
  
  # 颜值打分
  beauty <- raw_data_2$result$face_list[[1]]$beauty
  cat("颜值打分(0-100分)：", beauty, "\n")
  
  # 脸型判断
  face_shape <- raw_data_2$result$face_list[[1]]$face_shape
  if (face_shape$type == "square") {
    cat("脸型：方脸\n")
  }
  if (face_shape$type == "triangle") {
    cat("脸型：三角形\n")
  }
  if (face_shape$type == "oval") {
    cat("脸型：椭圆\n")
  }
  if (face_shape$type == "heart") {
    cat("脸型：心形\n")
  }
  if (face_shape$type == "round") {
    cat("脸型：圆形\n")
  }
} else {
  cat("错误\n")
  cat("Error Code:", raw_data_2$error_code, "\n")
  cat("Error message:", raw_data_2$error_msg)
}

版权属于：Zf's Blog（除特别注明外）

本文永久链接：https://blog.jeffhuang.xyz/index.php/archives/86/

本站文章采用 知识共享署名4.0 国际许可协议 进行许可，转载须给出适当的署名，提供指向本许可协议的链接，同时标明是否（对原始作品）作了修改。