人脸识别，网站是如何运作的？

最近微软的 How-old.net 网站非常火热，用户在该站上传照片后，它可以测算出照片中人物的性别和年龄。

有国外网友在 Quora 上问了 How-old.net 的工作原理。下面是参与了该项目的微软项目经理 Eason Wang 的回复。

我本人就直接参与了这个项目。说实话，这个小网站的走红大大出乎了我的意料。我事后进行了一些为什么会走红的分析并且在 Medium 写了一篇 文章 。

回到主题吧，我的回答分成两个部分。第一个部分会讲讲如何快速地在任意的软件中实现一模一样的功能，第二个部分我会深入一些描述这项技术本身。

在过去的几年和微软研发部门的合作中，就 Bing 的图像搜索技术而言，我们达到了最好的工业图像理解能力，这项技术迅速延伸到微软的其他产品。目前在 微软牛津项目主页 上，这项技术对所有的开发者开放。想要在自己的软件中实现一样的功能，你只需要简单地调用一下我们的 web API，就可以以 JSON 格式获取所需的一切信息。你可以尝试着在  www.projectoxford.ai 的这个页面上传一幅图像，它将在数秒内给你结果，脸部坐标、性别和年龄信息都在里面。Face API 只是我们在牛津项目上做的特性的其中一项。还有很多其他的核心功能来帮助打造创新性的应用。微软内部的 API 向大众开放让我感到很兴奋，我知道这会对开发社区起到深远的影响。这让之前看起来不可能的事情变得只用简单地调用一下 web API 就能做到了。#HowOldRobot 只是这些能力的小小展示，Azure 机器学习团队的一个开发人员只用了一天就把它开发出来了。

（译者注：以下是 API 示例，为 JSON 格式）

JSON:  [    {      "faceId": "5af35e84-ec20-4897-9795-8b3d4512a1f9",      "faceRectangle": {        "width": 60,        "height": 60,        "left": 276,        "top": 43      },      "faceLandmarks": {        "pupilLeft": {          "x": "295.1",          "y": "56.8"        },        "pupilRight": {          "x": "317.9",          "y": "59.6"        },        "noseTip": {          "x": "311.6",          "y": "74.7"        },        "mouthLeft": {          "x": "291.0",          "y": "86.3"        },        "mouthRight": {          "x": "311.6",          "y": "88.6"        },        "eyebrowLeftOuter": {          "x": "281.6",          "y": "50.1"        },        "eyebrowLeftInner": {          "x": "304.2",          "y": "51.6"        },        "eyeLeftOuter": {          "x": "289.1",          "y": "57.1"        },        "eyeLeftTop": {          "x": "294.0",          "y": "54.5"        },        "eyeLeftBottom": {          "x": "293.0",          "y": "61.0"        },        "eyeLeftInner": {          "x": "297.8",          "y": "58.7"        },        "eyebrowRightInner": {          "x": "316.0",          "y": "54.2"        },        "eyebrowRightOuter": {          "x": "324.7",          "y": "54.2"        },        "eyeRightInner": {          "x": "312.9",          "y": "60.9"        },        "eyeRightTop": {          "x": "317.8",          "y": "57.7"        },        "eyeRightBottom": {          "x": "317.9",          "y": "63.7"        },        "eyeRightOuter": {          "x": "322.8",          "y": "60.8"        },        "noseRootLeft": {          "x": "304.0",          "y": "60.2"        },        "noseRootRight": {          "x": "312.2",          "y": "61.2"        },        "noseLeftAlarTop": {          "x": "302.6",          "y": "70.2"        },        "noseRightAlarTop": {          "x": "313.0",          "y": "70.0"        },        "noseLeftAlarOutTip": {          "x": "298.8",          "y": "76.2"        },        "noseRightAlarOutTip": {          "x": "315.2",          "y": "76.6"        },        "upperLipTop": {          "x": "307.3",          "y": "84.0"        },        "upperLipBottom": {          "x": "306.6",          "y": "86.4"        },        "underLipTop": {          "x": "305.5",          "y": "89.6"        },        "underLipBottom": {          "x": "304.1",          "y": "94.0"        }      },      "attributes": {        "age": 24,        "gender": "female",        "headPose": {          "roll": "4.0",          "yaw": "31.3",          "pitch": "0.0"        }      }    }  ]

How-old.net  这个网站主要依赖于三个关键的技术： 面部检测、性别分类和年龄检测 。面部检测是另外两个的基础。对于年龄检测和性别检测来说，只是机器学习中很典型的回归和分类问题，涉及到了面部特征的表示、训练数据的采集、回归和分类模型的构建以及模型的优化。这方面有很多的已经发表的论文。如果你有兴趣想进一步了解就告诉我。