另一個經常會用到的人臉識別，是在一張照片中查找認識的人。Facebook什麽的挺早就能夠識別照片中的人並可以讓你給他們打上標簽。其實，利用Face API做類似的事情也一點不復雜。不信我們用代碼來看看。

為了說明在一張合影中 AI 能夠找到並識別特定人，我用了去年峰會中國MVP及MVP Lead梁迪和微軟CEO薩蒂亞·納德拉(Satya Nadella)、微軟全球資深副總裁沈向洋、微軟全球資深副總裁潘正磊的合影來做代碼範例，也算是扯虎皮做大旗吧哈哈哈。

首先，使用前文示例代碼中用到的Detect方法來識別照片中的人臉。

說實話，我有點擔心。這張照片裏的人好多啊，AI 能夠都識別出來麽？

呼啦啦返回了46個faceId，我趴在照片上一頓數，還真的是一個不落都識別出來了，厲害厲害！

在這裏我遇到了一個問題。如前文介紹的，Detect方法識別出來的人臉會以JSON形式返回，而兩層及兩層以上的數據結構在轉成Python的數據時，不再是dict，而是list。多層的數據意味著多層的list對象。上一次因為數據簡單，直接使用了List的下標來定位數據。這一次就要老老實實遍歷進行處理了。因此，for語句和list.append()就學會使用了。

由這個問題引發的另外一個問題是，生成的List需要提供給下一步Face的Identify方法作為輸入。按照API文檔的說明，輸入應該形如：

在“faceIds”這裏，應該輸入所有經由Detect識別出的人臉的ID。所以我把上一步獲得的List轉換成了JSON格式然後拼裝這個請求的body。結果……報錯了……冷靜地print出來list和body，跟文檔進行比較，原來多了對’’’號……

原來拼裝這個JSON的時候，使用List對象facesId就可以了。使用json的dumps()把List轉成json，我多此一舉了。那為什麽又報Error:0呢？仔細看文檔，用於Identify方法的人臉數量，應該1到10之間。我們輸入給AI的Face ID大大超過了這個數量，所以……報錯了……那該怎麽辦呢？我可以分批處理，也可以裁剪照片。因為後續還要試試找不到人怎麽辦，所以我對照片進行了不同的裁剪。

返回的json格式形如：

如果沒有對應到人，faceId對應的“condidates”就會顯示為[]，即空。而對應到人的faceId對應會有識別出的人的personId和相識度評分confidence。看來要把這個結果濾出來做點操作還是有點小復雜啊，一樣，使用for語句逐個下標處理List。

使用兩層List的下標讀取，就能夠成功拆分從Face API返回的json數據了。我記得人臉識別的Verify方法裏，判斷是否本人的參考值為0.5，因此在這裏如果系統返回相識度評分大於0.5，我就繼續從Face ID再去識別具體的人是誰。

果然，Face API從合影照片中認出了我~那麽如果我不在照片裏呢？

Face API確實沒有發現通過training認識的人~

細心的你發現了吧，兩次照片檢測的Face ID怎麽全部不一樣？還記得前文我們說過的嗎？Detect生成的Face ID是臨時的，會在24小時之後清除，所以每次獲得的ID都不同，即使是同一張臉。而關聯到人的臉，其Face ID就是持久的，可以在需要的時候使用。

這麽牛的合影，難道只識別我自己嗎？當然不，我們要試試 AI 能不能識別多個人~

立刻上網為這三位大神各自找了三張照片。找的過程中發現，潘女士原來早在2010年就參加過MVP的Open Day，難怪上次MVP Round Table的時候覺得那麽熟悉，看我這糟糕的記性…

趕緊在上次創建的person group裏再創建了三個person，每人傳輸了上圖的三張照片。

再次運行代碼，這一次，AI 在合影中就識別出了四個人了，厲害厲害~

利用Azure Cognitive Services中的Face API，哪怕沒有任何深入的 AI 知識，哪怕沒有熟練的編程技巧，只需要簡單的幾十行代碼，就能夠實現有趣的人臉識別。

從零開始玩人工智能-人臉 API-03