使用智能媒体管理（IMM）快速搭建人脸搜索服务

概述

在服务构建中，我们经常需要对用户的图片做进一步分析。本文利用 智能媒体管理（IMM） 提供的图片索引功能，快速搭建一个人脸搜索的功能，示例使用 Python 2.7 实现。

我们以学生点名场景为例。首先构造学生照片集合，再对现场拍摄的照片进行检测。操作流程如下：

1. 将所有学生图片传入 OSS 存储中。
2. 创建一个媒体集 Set，用于存储这些图片的 元数据，本文将利用其中的 人脸特征 数据。
3. 将所有学生图片预置至 Set 内。
4. 传入一张待测图片，查找和该照片匹配的人物。

如下图：

下面我们分步操作一下。

创建 IMM 项目

开通 IMM 服务后，访问 控制台 ，在左侧点击加号创建一个新项目。

左上方地域我们选择 华东1（杭州），右侧的项目名称命名为 RollCallDemo ，所属地域选择 华东1（杭州） ，类型选择 图片标准型 ，QPS 填入 1 ，点击下一步。

截止本文发表时，图片标准型的 1 QPS 是免费的，可以放心测试。参考 计费说明

准备测试图片

我们准备了3张学生图片，用于构建学生集：

oss://imm-user-wmt-cn-hangzhou/roll-call-demo/mayun.jpg
oss://imm-user-wmt-cn-hangzhou/roll-call-demo/caichongxin.jpg
oss://imm-user-wmt-cn-hangzhou/roll-call-demo/zhangyong.jpg

以及一张待检测图片

oss://imm-user-wmt-cn-hangzhou/roll-call-demo/mayun-test.jpg

您可以将地址改为 http 路径以在浏览器打开查看。如

https://imm-user-wmt-cn-hangzhou.oss-cn-hangzhou.aliyuncs.com/roll-call-demo/mayun.jpg

您也可以自己准备图片。请将图片上传至 OSS 中，并确保 OSS 的 Bucket 桶和第一步创建的 IMM 项目在同一个地域。

开始使用

安装最新版本 阿里云 Python SDK 。可以使用 pip 进行安装

 # Install the core library
 pip install aliyun-python-sdk-core
 # Install the ECS management library
 pip install aliyun-python-sdk-imm

随后复制如下代码，并填入您的 AccessKey 和 AccessSecret 。您可以在 阿里云用户控制台 获取。

若您使用和本文不同的项目名称、地域、图片等，请修改示例代码中的对应部分。

# -*- coding: utf8 -*-

import time
import json
from aliyunsdkcore.client import AcsClient
from aliyunsdkcore.acs_exception.exceptions import ClientException
from aliyunsdkcore.acs_exception.exceptions import ServerException
from aliyunsdkimm.request.v20170906 import CreateSetRequest
from aliyunsdkimm.request.v20170906 import IndexImageRequest
from aliyunsdkimm.request.v20170906 import FindSimilarFacesRequest

# 请更换为您自己的 AccessKey 和 AccessSecret
AccessKey = ""
AccessSecret = ""

# 服务开通地域
Region = "cn-hangzhou"
# 在 IMM 控制台创建的项目名称
Project = "RollCallDemo"
# 用于存储媒体元信息的 Set 的 ID
SetId = "roll-call-demo"

# 所有学生的照片 OSS URI 和姓名
Students = [
    "oss://imm-user-wmt-cn-hangzhou/roll-call-demo/mayun.jpg",
    "oss://imm-user-wmt-cn-hangzhou/roll-call-demo/caichongxin.jpg",
    "oss://imm-user-wmt-cn-hangzhou/roll-call-demo/zhangyong.jpg",
]

# 待测试的学生照片的 OSS URI
CameraPhoto = "oss://imm-user-wmt-cn-hangzhou/roll-call-demo/mayun-test.jpg"

# 初始化 AcsClient 客户端，用于调用 API 接口
client = AcsClient(
    AccessKey,
    AccessSecret,
    Region
)

# 创建一个媒体集 Set
try:
    request = CreateSetRequest.CreateSetRequest()
    request.set_Project(Project)
    request.set_SetId(SetId)
    response = client.do_action_with_exception(request)
    print response
except ServerException, e:
    print ("ServerException: ", e.message)

# 将学生照片添加至媒体集 Set 中
for URI in Students:
    # 由于创建项目的 QPS 为 1，在循环中加入 sleep 来避免超过限制
    time.sleep(1)
    request = IndexImageRequest.IndexImageRequest()
    request.set_Project(Project)
    request.set_SetId(SetId)
    # 传入图片路径
    request.set_ImageUri(URI)
    response = client.do_action_with_exception(request)
    print response

# 等待一段时间，确保图像元数据处理完成
time.sleep(8)

# 根据传入的照片，在媒体集 Set 中搜索照片中的学生
request = FindSimilarFacesRequest.FindSimilarFacesRequest()
request.set_Project(Project)
request.set_SetId(SetId)
# 指定传入图片路径
request.set_ImageUri(CameraPhoto)
# 我们要寻找相似度最高的图片，故返回值限制为 1 个
request.set_Limit(1)
response = client.do_action_with_exception(request)
faces = json.loads(response, encoding="utf-8")
print faces[u'Faces'][0][u'ImageUri']
print faces[u'Faces'][0][u'Similarity']

随后运行该文件，即可看到返回结果。

代码解析

该段代码主要分为三步操作。

创建媒体集 Set

这一步帮助我们在 IMM 的项目中，新建了一个媒体集 Set 。这个 Set 用于保存我们接下来要索引的图片的 元数据 ，即标签、人脸、OCR 等等信息。

# 创建一个媒体集 Set
try:
    request = CreateSetRequest.CreateSetRequest()
    request.set_Project(Project)
    request.set_SetId(SetId)
    response = client.do_action_with_exception(request)
    print response
except ServerException, e:
    print ("ServerException: ", e.message)

这一步正确的输出如下。我们可以看到成功创建了一个叫做 roll-call-demo 的 Set。

CreateSet API 官方文档

{
  "CreateTime": "2019-01-18T03:37:16.768Z",
  "RequestId": "8E074565-A896-4CB6-B171-7F87237A687F",
  "SetName": "",
  "ModifyTime": "2019-01-18T03:37:16.768Z",
  "SetId": "roll-call-demo"
}

将图片索引至媒体集 Set

这一步将所有学生的图片添加至媒体集。

# 将学生照片添加至媒体集 Set 中
for URI in Students:
    # 由于创建项目的 QPS 为 1，在循环中加入 sleep 来避免超过限制
    time.sleep(1)
    request = IndexImageRequest.IndexImageRequest()
    request.set_Project(Project)
    request.set_SetId(SetId)
    # 传入图片路径
    request.set_ImageUri(URI)
    response = client.do_action_with_exception(request)
    print response

正确输出如下，仅用一张图片的输出示例。

{
  "RequestId": "EC90B8F9-E40B-45BB-B02A-3C22FD116B91",
  "CreateTime": "2019-01-18T03:44:22.672Z",
  "ModifyTime": "2019-01-18T03:44:22.672Z",
  "SetId": "roll-call-demo",
  "RemarksA": "",
  "ImageUri": "oss://imm-user-wmt-cn-hangzhou/roll-call-demo/mayun.jpg",
  "RemarksB": ""
}

至此我们已经准备好学生媒体集。但还需要稍等几秒来确保 AI 相关检测完成。

根据待测图片搜索人物

接下来，我们传入一张待检测图片，看看和集合中的哪个人物相符。

# 待测试的学生照片的 OSS URI
CameraPhoto = "oss://imm-user-wmt-cn-hangzhou/roll-call-demo/mayun-test.jpg"
# 根据传入的照片，在媒体集 Set 中搜索照片中的学生
request = FindSimilarFacesRequest.FindSimilarFacesRequest()
request.set_Project(Project)
request.set_SetId(SetId)
# 指定传入图片路径
request.set_ImageUri(CameraPhoto)
# 我们要寻找相似度最高的图片，故返回值限制为 1 个
request.set_Limit(1)
response = client.do_action_with_exception(request)
faces = json.loads(response, encoding="utf-8")
print faces[u'Faces'][0][u'ImageUri']
print faces[u'Faces'][0][u'Similarity']

正常返回值如下。成功找到了同一人物，并且我们看到相似度约为 0.96 。通常我们认为相似度超过 0.8 即可基本确认为同一人物。

FindSimilarFaces API 官方文档

oss://imm-user-wmt-cn-hangzhou/roll-call-demo/mayun.jpg
0.953676342964

以上就是利用 智能媒体管理（IMM） 快速实现了一个人脸搜索的 DEMO 。