C#開(kāi)發(fā)學(xué)習(xí)人工智能的第一步

前言

作為一個(gè)軟件開(kāi)發(fā)者，我們除了要學(xué)會(huì)復(fù)制，黏貼，還要學(xué)會(huì)調(diào)用API和優(yōu)秀的開(kāi)源類(lèi)庫(kù)。

也許，有人說(shuō)C#做不了人工智能，如果你相信了，那只能說(shuō)明你的思想還是狹隘的。

做不了人工智能的不是C#這種語(yǔ)言，而是你，我這種普通的程序員。

做人工智能需要一定的學(xué)歷背景，一定的數(shù)學(xué)基礎(chǔ)和公司專(zhuān)項(xiàng)的資源供給；而這種機(jī)緣小之又小，你我既然是普通的程序員，就必然與此無(wú)緣。

但在人工智能如日中天的當(dāng)下，接觸深度學(xué)習(xí)是必然會(huì)發(fā)生的事情，所以我們要做的就是，學(xué)會(huì)調(diào)用相關(guān)的類(lèi)庫(kù)。

現(xiàn)在，讓我們邁出C#學(xué)習(xí)人工智能的第一步，通過(guò)調(diào)用Affdex來(lái)鎖定圖片中人物的面部，然后將其截取出來(lái)。

準(zhǔn)備工作

首先，我們需要先訪問(wèn)官網(wǎng)下載Affdex的Sdk。

在官網(wǎng)找中找到下載Affdex的Sdk的地方也是個(gè)挺困難的事。。。所以下載鏈接如下：

下載Affdex_Sdk網(wǎng)址
<https://knowledge.affectiva.com/docs/getting-started-with-the-emotion-sdk-for-windows#section-2-import-into-your-application>

進(jìn)入網(wǎng)頁(yè)后，向下拉動(dòng)滾動(dòng)條，找到到下圖所示位置，點(diǎn)擊Download進(jìn)行下載。



下載完成后得到Sdk，如下圖：



下面，我們雙擊進(jìn)行安裝，不過(guò)安裝SDK有一些限制，需要預(yù)先安裝NET Framework4.0和C++
2015。如果電腦里已經(jīng)安裝了，就不必?fù)?dān)心了；如果安裝的是C++2015-2017這類(lèi)型的，則需要卸載了，重新安裝C++2015的版本，否則Affdex的SDK將安裝失敗。

安裝完成后，我們?nèi)グ惭b目錄找到Affdex.dll，affdex-native.dll，tensorflow.dll三個(gè)文件，如下圖：



我們先將它們復(fù)制出來(lái)，等待使用。


簡(jiǎn)單的介紹一下，這三個(gè)類(lèi)庫(kù)中，Affdex.dll是可以被C#項(xiàng)目直接引用的，而另外兩個(gè)文件是Affdex.dll的依賴(lài)文件；也就是說(shuō)，affdex-native.dll，tensorflow.dll需要在生成時(shí)，輸出到運(yùn)行目錄下。

有經(jīng)驗(yàn)的朋友想必已經(jīng)發(fā)現(xiàn)了，這里有個(gè)類(lèi)庫(kù)名叫tensorflow.dll，tensorflow是什么?。可晕俣纫幌麓蠹揖蜁?huì)了解了，它是專(zhuān)門(mén)來(lái)做深度學(xué)習(xí)的。

也就是說(shuō)Affdex是支持深度學(xué)習(xí)的。


----------------------------------------------------------------------------------------------------

現(xiàn)在我們來(lái)學(xué)習(xí)Affdex的使用。

首先我們新建一個(gè)WPF項(xiàng)目，然后引用Affdex.dll。

然后將項(xiàng)目的運(yùn)行平臺(tái)設(shè)置為64位，因?yàn)?，這樣處理圖片的速度能快一點(diǎn)，如下圖：



在Affdex中我們可以發(fā)現(xiàn)四個(gè)探頭—VideoDetector，PhotoDetector，F(xiàn)rameDetector，CameraDetector。


在這里我們要處理的是圖片，所以我們選擇PhotoDetector，下面我們創(chuàng)建一個(gè)PhotoWindow.Xaml頁(yè)面來(lái)使用PhotoDetector處理圖片。

代碼實(shí)現(xiàn)

首先，我們定義一個(gè)PhotoDetector的屬性，用于處理圖片。

然后我們?cè)跇?gòu)造函數(shù)中對(duì)他進(jìn)行實(shí)例化，代碼如下：
private Affdex.PhotoDetector Detector { get; set; } public PhotoWindow() {
InitializeComponent(); uint maxNumFaces = 1;//最多識(shí)別圖片中幾張臉 Detector = new
Affdex.PhotoDetector(maxNumFaces, Affdex.FaceDetectorMode.SMALL_FACES);
Detector.setImageListener(this); Detector.setProcessStatusListener(this);
Detector.start(); }
在上述代碼中可以看到，除了初始化PhotoDetector，我們還做了一個(gè)圖片監(jiān)聽(tīng)設(shè)置setImageListener，那么圖片監(jiān)聽(tīng)是干什么的呢？

很簡(jiǎn)單，圖片被PhotoDetector處理完，我們需要知道圖片處理結(jié)果呀，而這個(gè)圖片監(jiān)聽(tīng)正是是用來(lái)返回圖片處理結(jié)果的。

可以看到圖片監(jiān)聽(tīng)設(shè)置的入?yún)⑹莟his，也就是說(shuō)，需要把圖片的處理結(jié)果返回給當(dāng)前頁(yè)面。

如果就這樣寫(xiě)是會(huì)編譯報(bào)錯(cuò)的，會(huì)提示setImageListener的入?yún)㈠e(cuò)誤。


我們查看setImageListener的入?yún)?，發(fā)現(xiàn)它的入?yún)⑹且粋€(gè)ImageListener接口，即，setImageListener的入?yún)⑹且粋€(gè)要實(shí)現(xiàn)了ImageListener接口的類(lèi)。

到這里，我們就都明白了，現(xiàn)在我們讓當(dāng)前PhotoWindow.xaml窗體繼承接口ImageListener，并實(shí)現(xiàn)接口ImageListener內(nèi)的方法。
public partial class PhotoWindow : Window, Affdex.ImageListener
===========================================================================
public void onImageCapture(Affdex.Frame frame) { } public void
onImageResults(Dictionary<int, Face> faces, Affdex.Frame frame) { }
如上述代碼所示，在我們實(shí)現(xiàn)的接口onImageResults里有兩個(gè)參數(shù)：faces、frame。

其中faces是最重要的，這里包含Affdex分析圖片的結(jié)果。


----------------------------------------------------------------------------------------------------

現(xiàn)在，Affdex的配置代碼已經(jīng)寫(xiě)完了，我們可以把圖片讀取出來(lái)調(diào)用Affdex處理了。
public PhotoWindow() { InitializeComponent(); uint maxNumFaces =
1;//最多識(shí)別圖片中幾張臉 Detector = new Affdex.PhotoDetector(maxNumFaces,
Affdex.FaceDetectorMode.SMALL_FACES); Detector.setImageListener(this);
Detector.start(); byte[] bytes =
FileHelper.FileToBytes(System.IO.Path.Combine(System.AppDomain.CurrentDomain.BaseDirectory,
"timg.jpg")); BitmapSource bitmapSource =
ImageHelper.BytesToBitmapImage(bytes); var w = bitmapSource.Width; var h =
bitmapSource.Height; var stride = bitmapSource.Format.BitsPerPixel * (int)w /
8; //計(jì)算Stride byte[] byteList = new byte[(int)h * stride];
bitmapSource.CopyPixels(byteList, stride, 0); Affdex.Frame frame = new
Affdex.Frame((int)w, (int)h, byteList, Affdex.Frame.COLOR_FORMAT.BGRA);
Detector.process(frame); }

如上述代碼所示，我們?cè)趩?dòng)了Detector后，讀取了一個(gè)人物圖片，然后把人物圖片的像素?cái)?shù)組解析出來(lái)，生成一個(gè)Frame；這個(gè)Frame是Affdex的類(lèi)，用于保存圖像數(shù)據(jù)信息。

最后，我們把生成的Frame對(duì)象，扔給Detecotor的Process方法處理。

Detecotor處理完成后，會(huì)觸發(fā)onImageResults方法。

在onImageResults方法里，入?yún)aces包含了處理結(jié)果。

現(xiàn)在我們使用faces里的內(nèi)容，來(lái)定位圖片中人物面部的位置。
public void onImageResults(Dictionary<int, Face> faces, Affdex.Frame frame) {
Face face = null; if (faces != null && faces.Values != null &&
faces.Values.Count() > 0) { face =
faces.Values.First();//因?yàn)槲覀兊腄etector只識(shí)別了一個(gè)臉，所以這里最多只有一個(gè)數(shù)據(jù) } int top =
(int)face.FeaturePoints.Min(r => r.X); int left = (int)face.FeaturePoints.Min(r
=> r.Y); int bottom = (int)face.FeaturePoints.Max(r => r.X); int right =
(int)face.FeaturePoints.Max(r => r.Y);
ImageHelper.cutPicture(System.IO.Path.Combine(System.AppDomain.CurrentDomain.BaseDirectory,
"timg.jpg"), left, top, right , bottom - top); }
如上述代碼所示，我們?cè)趏nImageResults里做了【最簡(jiǎn)單】人物面部坐標(biāo)定位，并進(jìn)行了剪切。?

處理結(jié)果如下圖所示：



結(jié)語(yǔ)

事實(shí)上，上面介紹的只是Affdex最基礎(chǔ)調(diào)用，而且，這里并沒(méi)有使用到深度學(xué)習(xí)的內(nèi)容，只是簡(jiǎn)單的掃描和分析。

想要使用深度學(xué)習(xí)的內(nèi)容還需要進(jìn)一步學(xué)習(xí)該開(kāi)源控件，不過(guò)，萬(wàn)事開(kāi)頭難，我們現(xiàn)在已經(jīng)邁出了第一步。


----------------------------------------------------------------------------------------------------

到此C#開(kāi)發(fā)學(xué)習(xí)人工智能的第一步就完成了。

代碼已經(jīng)傳到Github上了，歡迎大家下載。

Github地址：https://github.com/kiba518/WpfAffdex
<https://github.com/kiba518/WpfAffdex>


----------------------------------------------------------------------------------------------------

注：此文章為原創(chuàng)，任何形式的轉(zhuǎn)載都請(qǐng)聯(lián)系作者獲得授權(quán)并注明出處！
若您覺(jué)得這篇文章還不錯(cuò)，請(qǐng)點(diǎn)擊下方的【推薦】，非常感謝！

https://www.cnblogs.com/kiba/p/11416919.html
<https://www.cnblogs.com/kiba/p/11416919.html>

?

• ? 上一篇： 新聞背后|收購(gòu)Flink公司Data Artisans，開(kāi)發(fā)者的這些問(wèn)題可以從這篇文章得到回答
• ? 下一篇： 淺談：前端如何賦能業(yè)務(wù)？