目标能力

为用户创建智能云相册
支持人脸检测，获取包括人脸位置、表情、年龄等信息
支持人脸分组，可以根据人物搜索、展示照片
支持照片标签检测，可以根据标签对照片进行分类
支持地理位置检测，获取照片拍摄的具体位置、时间，并且可以进行搜索

开始之前

首先需要准备好以下内容：

准备阿里云账号，申请好调用 API 使用的 AccessKeyId / AccessKeySecret 。
开通 OSS 服务，用于存储用户照片。在 Demo 中，由我们为您准备好照片，您可以在这里下载压缩包，并通过工具上传到位于 华东 2（上海） 的 Bucket 中。

在 Demo 中，我们统一上传到 oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/ 目录下。

开通 IMM 服务，并创建一个项目。参考这里。注意：
- 项目类型选择 图片标准型
- QPS 可以选择 1 QPS，目前为免费提供。若您需要在线上环境使用，可以根据需要增加 QPS 限额。
- 项目名称可以自定义，后面的代码以 cloud-photo-album-demo 为例。
- 地域选择 华东 2（上海）。

关于地域选择，请确保 IMM 的项目地域和您照片存储的 OSS 的地域保持一致。在 Demo 中均以 华东 2（上海） 为例，您可以自由选择其他已开放 IMM 服务到地域进行测试。

关于计费，请参考计费说明。后续我们还会提供更多样的计费模型，如按使用量计费等，敬请期待。

关于 Demo 的语言。我们使用 Python 3.7 作为 Demo 的语言。如果您使用其他语言，可以使用 API Explorer 生成您需要的语言的示例代码。参考 Demo 进行简单替换即可。我们支持 Java / Node.js / Go / PHP / Python / .Net / Ruby 。

创建相册

相册是一系列照片的集合，在 IMM 中对应媒体集Set 这个概念。用户可以在一个相册中进行搜索、人物分组等操作，但不允许跨相册Set进行搜索、人物分组等操作。我们推荐，对每个使用相册对 C 端用户，创建一个相册，即 Set。

#!/usr/bin/env python
#coding=utf-8

from aliyunsdkcore.client import AcsClient
from aliyunsdkcore.acs_exception.exceptions import ClientException
from aliyunsdkcore.acs_exception.exceptions import ServerException
from aliyunsdkimm.request.v20170906.CreateSetRequest import CreateSetRequest

# 填入您的 AccessKeyId 和 AccessKeySecret
client = AcsClient('<accessKeyId>', '<accessSecret>', 'cn-shanghai')

# 后续代码 Demo 省略以上内容

request = CreateSetRequest()
request.set_accept_format('json')

request.set_Project("cloud-photo-album-demo")
request.set_SetId("user-uid-0001")

response = client.do_action_with_exception(request)
# python2:  print(response) 
print(str(response, encoding='utf-8'))

运行后，返回结果类似：

{
   "RequestId": "4CF93317-6730-44AE-AEB2-30DF2D12A296",
   "CreateTime": "2020-02-19T09:32:31.836Z",
   "SetName": "",
   "ModifyTime": "2020-02-19T09:32:31.836Z",
   "SetId": "user-uid-0001"
}

至此我们为 0001 号用户创建了相册。

我们这里在调用 API 时指定了非必选参数 SetId 为 user-uid-0001 ，这是为了能够在实际应用场景时，能够将相册 SetId 和用户 ID 进行名称绑定。方便后续通过诸如 GetSet 接口获取 / 修改这个相册的信息。

Set 的创建数量没有限制，但一个 Set 内的照片、人脸数量是有限制的。请参考用户限额。

添加照片

照片文件实际存储的位置是 OSS 上，我们需要将这些照片索引到 IMM 的 Set 中。在这个过程中，IMM 会对照片的内容进行读取、检测，将其中的元数据（如人脸、标签等）提取出来进行索引。IMM 不会存储、修改 OSS 上的照片文件本身。

每个请求只索引一张照片，因此我们通过一个循环将所有照片添加到相册中。

image_list = [
    # 请注意替换为您自己的 OSS Bucket 和其对应路径。
    # 以下三张为带 EXIF 信息（GPS、拍摄时间等）的照片，在武汉拍摄。
    # 文件名供开发者快速识别，和 AI 对元数据提取能力无关。
    "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-flower.jpg",
    "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-food.jpg",
    "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-river-sunset.jpg",
    # 以下八张为人物照片，两个人物各四张，用于展示人脸分组能力
    "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/mayun-01.jpg",
    "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/mayun-02.jpg",
    "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/mayun-03.jpg",
    "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/mayun-04.jpg",
    "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/zhangyong-01.jpg",
    "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/zhangyong-02.jpg",
    "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/zhangyong-03.jpg",
    "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/zhangyong-04.jpg"
]

for image_uri in image_list:
    request = IndexImageRequest()
    request.set_accept_format('json')

    request.set_SetId("user-uid-0001")
    request.set_Project("cloud-photo-album-demo")
    request.set_ImageUri(image_uri)

    response = client.do_action_with_exception(request)
    # python2:  print(response)
    print(str(response, encoding='utf-8'))

    # 因为我们开通的 QPS 限制为 1，因此这里休眠一段时间来避免触发流量控制
    time.sleep(1.5)

控制台输出的结果应该类似

{"RemarksD":"","RemarksC":"","ExternalId":"","CreateTime":"2020-02-20T07:32:38.918Z","RequestId":"1D4CF498-2851-4490-BA65-456C48B101E6","ModifyTime":"2020-02-20T07:32:38.918Z","RemarksA":"","SetId":"user-uid-0001","RemarksB":"","ImageUri":"oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-flower.jpg"}
...

此时照片已经被添加至相册中。一般来说，每张照片在添加后 10 秒左右，即可完成其信息提取。在提取完成后，我们即可进行后续分组、搜索等操作。

如果您需要确切的知道一张照片完成索引的时间，可以参考 IndexImage API 文档中的 MNS 通知相关字段，来订阅索引结果。

获取照片信息

下面我们看看 IMM 能检测哪些信息。我们先用一张食物照片举例。使用 GetImage 接口获取其信息。

request = GetImageRequest()
request.set_accept_format('json')

request.set_SetId("user-uid-0001")
request.set_Project("cloud-photo-album-demo")
request.set_ImageUri(
    "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-flower.jpg")

response = client.do_action_with_exception(request)
# python2:  print(response)
print(str(response, encoding='utf-8'))

结果如：

{
    "Celebrity": [],
    "FacesModifyTime": "2020-02-20T07:32:45.027Z",
    "OCR": [],
    "CelebrityFailReason": "",
    "Faces": [],
    "OCRStatus": "NotProcessed",
    "Exif": "...此处略...",
    "ImageUri": "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-flower.jpg",
    "AddressStatus": "Success",
    "ImageWidth": 3024,
    "RemarksD": "",
    "ImageFormat": "jpg",
    "RemarksC": "",
    "AddressModifyTime": "2020-02-20T07:32:48.078Z",
    "Orientation": "6",
    "CelebrityModifyTime": "",
    "ExternalId": "",
    "SourceType": "image",
    "CelebrityStatus": "NotProcessed",
    "AddressFailReason": "",
    "TagsModifyTime": "2020-02-20T07:32:48.042Z",
    "Location": "30.546285,114.298899",
    "ModifyTime": "2020-02-20T07:32:38.918Z",
    "FileSize": 10940531,
    "Tags": [
        {
            "TagConfidence": 0.9955320954322815,
            "TagLevel": 1,
            "TagName": "植物"
        },
        {
            "TagConfidence": 0.9955320954322815,
            "TagLevel": 2,
            "ParentTagName": "植物",
            "TagName": "花"
        }
    ],
    "ImageTime": "2019-07-13T01:39:32Z",
    "SourceUri": "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-flower.jpg",
    "Address": {
        "District": "武昌区",
        "Township": "中华路街街道",
        "AddressLine": "湖北省武汉市武昌区中华路街街道民主路92号",
        "Province": "湖北省",
        "Country": "中国",
        "City": "武汉市"
    },
    "CreateTime": "2020-02-20T07:32:38.918Z",
    "RequestId": "33B676B0-5299-4F85-B961-25F2E7DE642D",
    "FacesStatus": "Success",
    "TagsStatus": "Success",
    "RemarksA": "",
    "SetId": "user-uid-0001",
    "ImageHeight": 4032,
    "RemarksB": ""
}

我们能看到一些核心信息：

- 照片信息相关：图片大小、格式、尺寸。照片拍摄时间 `2019-07-13T01:39:32Z` 。
- 标签相关：植物 -> 花。
- 地理位置相关：GPS 经纬度坐标 `30.546285,114.298899` ，位置在 `湖北省武汉市武昌区中华路街街道民主路92号` 。

我们再来看一个有人物的照片的检测结果。仅需修改上面代码的 ImageUri 中文件名为 zhangyong-02.jpg 。看一下结果：

{
    "Faces": [
        {
            "FaceQuality": 0.8648459911346436,
            "Age": 38,
            "GenderConfidence": 1,
            "Attractive": 0.82,
            "EmotionDetails": {
                "SAD": 1.4997523622301001E-12,
                "SCARED": 1.3939771646015453E-13,
                "CALM": 3.39213018785145E-10,
                "ANGRY": 3.840853281039322E-14,
                "HAPPY": 1,
                "DISGUSTED": 5.754174670384235E-14,
                "SURPRISED": 9.682720120487986E-13
            },
            "Gender": "MALE",
            "FaceConfidence": 0.9699456095695496,
            "Emotion": "HAPPY",
            "GroupId": "group-not-grouped",
            "FaceId": "2c476fa26dd795a6bbe9f3a781c50a5a8393e7e3e9fec40fcdf0058a6c2cb158",
            "FaceAttributes": {
                "GlassesConfidence": 1,
                "Glasses": "GLASSES",
                "HeadPose": {
                    "Roll": 5.295282363891602,
                    "Yaw": 0.23102417588233948,
                    "Pitch": 10.299762725830078
                },
                "RaceConfidence": 1,
                "Beard": "NONE",
                "MaskConfidence": 1,
                "Race": "YELLOW",
                "BeardConfidence": 1,
                "FaceBoundary": {
                    "Top": 50,
                    "Height": 69,
                    "Width": 67,
                    "Left": 206
                },
                "Mask": "NONE"
            }
        }
    ],
    ...其他略...
}

可以得到一些人脸相关核心信息：

- 基础信息：年龄 38 岁、性别 男、人脸质量 `0.86`
- 心情：开心
- 人脸属性：
  - 戴眼镜
  - 头部朝向：正脸
  - 无胡须
  - 黄种人
  - 无口罩
- 人脸矩形框的位置

人脸分组

接下来我们对相册中的照片按人物进行分组。我们 IndexImage 调用完成后，需要等待至少 15 秒，确保图片的索引、检测均完成。接下来调用人脸聚类 API CreateGroupFacesJob 。这个接口会将 Set 内的照片的人脸按照人物进行分组，并将组的 GroupId 写回到索引信息中。

request = CreateGroupFacesJobRequest()
request.set_accept_format('json')
request.set_SetId("user-uid-0001")
request.set_Project("cloud-photo-album-demo")

response = client.do_action_with_exception(request)
# python2:  print(response)
print(str(response, encoding='utf-8'))

结果类似：

{
    "JobType": "GroupImageFacesJob",
    "RequestId": "075D76F7-4AD1-4129-BD95-DD6D53581D0B",
    "JobId": "GroupImageFacesJob-113a8759-0483-4ad4-9a81-f7bd402c6b40",
    "SetId": "user-uid-0001"
}

此时分组人物还在进行中，我们等待 30 秒左右任务即可完成。

聚类遇到的常见问题，可以参考 [人脸聚类相关 FAQ](
https://help.aliyun.com/knowledge_detail/153359.html) 。

人脸搜索

首先我们要列出所有的人脸分组，即看看这个 Set 内有几个人物。

request = ListFaceGroupsRequest()
request.set_accept_format('json')
request.set_SetId("user-uid-0001")
request.set_Project("cloud-photo-album-demo")

response = client.do_action_with_exception(request)
# python2:  print(response)
print(str(response, encoding='utf-8'))

返回结果类似：

{
    "FaceGroups": [
        {
            "GroupName": "",
            "CreateTime": "2020-02-20T08:12:29.949Z",
            "ModifyTime": "2020-02-20T08:12:29.949Z",
            "FaceCount": 4,
            "GroupId": "Group-714ca168-5a86-4cc7-b4b1-c7f27ca1eb41",
            "GroupCoverFace": {
                "FaceBoundary": {
                    "Top": 60,
                    "Height": 105,
                    "Width": 127,
                    "Left": 207
                },
                "FaceId": "1d2ee16ee556bbce093be0b3e83c508d5c7da05bea32fa6306670befe85671de",
                "ImageUri": "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/mayun-03.jpg"
            }
        },
        {
            "GroupName": "",
            "CreateTime": "2020-02-20T08:12:29.945Z",
            "ModifyTime": "2020-02-20T08:12:29.945Z",
            "FaceCount": 4,
            "GroupId": "Group-c4474af0-c268-4753-b984-1496cd3bcf7a",
            "GroupCoverFace": {
                "FaceBoundary": {
                    "Top": 50,
                    "Height": 69,
                    "Width": 67,
                    "Left": 206
                },
                "FaceId": "2c476fa26dd795a6bbe9f3a781c50a5a8393e7e3e9fec40fcdf0058a6c2cb158",
                "ImageUri": "oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/zhangyong-02.jpg"
            }
        }
    ],
    "RequestId": "D6202A11-20AC-49D8-B0B0-C3743DA252D0",
    "NextMarker":"

从这个 JSON 中我们可以看到，出现了两个人物分组，和我们的预期一致。其中几个关键的字段：

FaceCount 指出这个分组内的人脸数量。
GroupId 是这个分组的唯一 ID，用于搜索该人物。
GroupCoverFace 是自动选取出来，用作该组封面图的人脸。您可以通过其 ImageUri 和 FaceBoundary 指示的人脸框，快速截取出人脸部分的图片作为该分组头像，用于给用户展示。

我们以 GroupId 为 Group-714ca168-5a86-4cc7-b4b1-c7f27ca1eb41 的人物为例，搜索出该人物在 Set 内的其他照片。

request = FindImagesRequest()
request.set_accept_format('json')

request.set_SetId("user-uid-0001")
request.set_Project("cloud-photo-album-demo")
request.set_GroupId("Group-714ca168-5a86-4cc7-b4b1-c7f27ca1eb41")

response = client.do_action_with_exception(request)
for image in json.loads(response)["Images"]:
    print(image["ImageUri"])

输出结果类似：

oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/mayun-01.jpg
oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/mayun-02.jpg
oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/mayun-03.jpg
oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/mayun-04.jpg

因为我们命名了图片，因此这里可以很容易看到，所搜索到的图片均为同一人物照片。

按内容分组照片

添加到 Set 内的照片，会默认进行 1600 类标签的检测。我们可以通过 ListSetTags 接口看看这个相册内都有哪些内容分组。

request = ListSetTagsRequest()
request.set_accept_format('json')

request.set_SetId("user-uid-0001")
request.set_Project("cloud-photo-album-demo")

response = client.do_action_with_exception(request)
# python2:  print(response)
print(str(response, encoding='utf-8'))

结果如：

{
    "Tags": [
        {
            "TagCount": 7,
            "TagLevel": 2,
            "TagName": "人物特写"
        },
        {
            "TagCount": 7,
            "TagLevel": 1,
            "TagName": "其他场景"
        },
        ...
        {
            "TagCount": 1,
            "TagLevel": 1,
            "TagName": "饮食"
        }
    ],
    "RequestId": "F1E51BFA-34DB-4D64-9F2E-AB5E215C888E",
    "SetId": "user-uid-0001"
}

可以看到这个相册中有若干标签，返回的结果按标签出现的次数降序排列。这可以用于展示用户的相册中有哪些照片类别。并结合后面关于图片搜索能力的介绍，搜索对应标签的照片。

使用各种方式搜索照片

根据地理位置搜索

request = FindImagesRequest()
request.set_accept_format('json')
request.set_SetId("user-uid-0001")
request.set_Project("cloud-photo-album-demo")
request.set_AddressLineContentsMatch("武汉")

response = client.do_action_with_exception(request)
for image in json.loads(response)["Images"]:
    print(image["ImageUri"])

结果如：

oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-food.jpg
oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-river-sunset.jpg
oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-flower.jpg

根据照片内容搜索

request = FindImagesRequest()
request.set_accept_format('json')
request.set_SetId("user-uid-0001")
request.set_Project("cloud-photo-album-demo")
request.set_TagNames('["食物"]')

response = client.do_action_with_exception(request)
for image in json.loads(response)["Images"]:
    print(image["ImageUri"])

结果如：

oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-food.jpg

根据照片拍摄时间搜索

request = FindImagesRequest()
request.set_accept_format('json')
request.set_SetId("user-uid-0001")
request.set_Project("cloud-photo-album-demo")
request.set_ImageTimeRange(
    '{"Start":"2019-07-13T00:00:00.0Z","End":"2019-07-14T00:00:00.0Z"}')

response = client.do_action_with_exception(request)
for image in json.loads(response)["Images"]:
    print(image["ImageUri"])

结果如：

oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-food.jpg
oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-river-sunset.jpg
oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/wuhan-flower.jpg

组合搜索

例如我们搜索特定人物开心的照片

request = FindImagesRequest()
request.set_accept_format('json')

request.set_SetId("user-uid-0001")
request.set_Project("cloud-photo-album-demo")
request.set_GroupId("Group-c4474af0-c268-4753-b984-1496cd3bcf7a")
request.set_Emotion("HAPPY")

response = client.do_action_with_exception(request)
for image in json.loads(response)["Images"]:
    print(image["ImageUri"])

可以看到，根据两个条件同时过滤出了对应照片。

oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/zhangyong-03.jpg
oss://imm-user-wmt-cn-shanghai/cloud-photo-album-demo/zhangyong-02.jpg

列出所有照片

当然，最常见的情况是按照一定顺序将所有照片展示给用户，我们使用 ListImages 接口即可。这里不做代码示例。

其他功能

增删改查

IMM 对照片、相册 Set 均提供了增删改查对应接口，您可以参考我们的 API 文档进行使用。

外部 ID 绑定

我们可以帮助您将每一张照片和您自己的系统的 ID 进行绑定。也可以在照片中额外存储一些信息供您搜索。如照片的权限，照片在您系统内的目录结构等等。请参考 IndexImage 的 ExternalId 字段和 Remarks 字段。

视频索引

我们支持将视频索引入相册，并且对视频进行截帧，检测每一帧视频的人脸、标签信息，以便用户进行搜索。请参考 IndexVideo 接口。

结语

以上就是使用智能媒体管理服务 (IMM) 搭建一个智能云相册的方式。可以看出，IMM 可以提供大部分云相册所需要的能力，您可以很方便的在服务中集成该能力，而无需担心数据存储相关问题。

如果您有其他问题，请进入钉钉用户群实时交流。

利用智能媒体管理(IMM) 搭建云相册指南

目标能力

开始之前

创建相册

添加照片

获取照片信息

人脸分组

人脸搜索

按内容分组照片

使用各种方式搜索照片

根据地理位置搜索

根据照片内容搜索

根据照片拍摄时间搜索

组合搜索

列出所有照片

其他功能

增删改查

外部 ID 绑定

视频索引

结语

云存储

热门文章

最新文章

相关产品

相关课程

相关电子书

相关实验场景