C#开发学习人工智能的第一步

vlambda
2020-04-01

C#开发学习人工智能的第一步

脚本之家

你与百万开发者在一起

C#开发学习人工智能的第一步

作者 | kiba518

出品 | 脚本之家（ID：jb51net）

前言

作为一个软件开发者，我们除了要学会复制，黏贴，还要学会调用API和优秀的开源类库。

也许有人说C#做不了人工智能，如果你认可这种想法，那说明你的思想还是狭隘的。

做不了人工智能的不是C#这种语言，而是你，我这种普通的程序员。

做人工智能需要一定的学历背景，一定的数学基础和公司专项的资源供给；而这种机缘小之又小，你我既然是普通的程序员，就必然与此无缘。

但在人工智能如日中天的当下，接触深度学习是必然会发生的事情，所以我们要做的就是，学会调用相关的类库。

现在，让我们迈出C#学习人工智能的第一步，通过调用Affdex来锁定图片中人物的面部，然后将其截取出来。

准备工作

首先，我们需要先访问官网下载Affdex的Sdk。

在官网找中找到下载Affdex的Sdk的地方也是个挺困难的事。。。所以下载链接如下：

下载Affdex_Sdk网址：

https://knowledge.affectiva.com/docs/getting-started-with-the-emotion-sdk-for-windows#section-2-import-into-your-application

进入网页后，向下拉动滚动条，找到到下图所示位置，点击Download进行下载。

C#开发学习人工智能的第一步

下载完成后得到Sdk，如下图：

C#开发学习人工智能的第一步

下面，我们双击进行安装，不过安装SDK有一些限制，需要预先安装NET Framework4.0和C++ 2015。如果电脑里已经安装了，就不必担心了；如果安装的是C++2015-2017这类型的，则需要卸载了，重新安装C++2015的版本，否则Affdex的SDK将安装失败。

安装完成后，我们去安装目录找到Affdex.dll，affdex-native.dll，tensorflow.dll三个文件，如下图：

C#开发学习人工智能的第一步

我们先将它们复制出来，等待使用。

简单的介绍一下，这三个类库中，Affdex.dll是可以被C#项目直接引用的，而另外两个文件是Affdex.dll的依赖文件；也就是说，affdex-native.dll，tensorflow.dll需要在生成时，输出到运行目录下。

有经验的朋友想必已经发现了，这里有个类库名叫tensorflow.dll，tensorflow是什么啊？稍微百度一下大家就会了解了，它是专门来做深度学习的。

也就是说Affdex是支持深度学习的。

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

现在我们来学习Affdex的使用。

首先我们新建一个WPF项目，然后引用Affdex.dll。

然后将项目的运行平台设置为64位，因为，这样处理图片的速度能快一点，如下图：

C#开发学习人工智能的第一步

在Affdex中我们可以发现四个探头—VideoDetector，PhotoDetector，FrameDetector，CameraDetector。

在这里我们要处理的是图片，所以我们选择PhotoDetector，下面我们创建一个PhotoWindow.Xaml页面来使用PhotoDetector处理图片。

代码实现

首先，我们定义一个PhotoDetector的属性，用于处理图片。

然后我们在构造函数中对他进行实例化，代码如下：

 
   
   
 
  
    
    
  private Affdex.PhotoDetector Detector { get; set; }
  
    
    
  public PhotoWindow()
  
    
    
  {
  
    
    
   InitializeComponent();
  
    
    
   uint maxNumFaces = 1;//最多识别图片中几张脸
  
    
    
   Detector = new Affdex.PhotoDetector(maxNumFaces, Affdex.FaceDetectorMode.SMALL_FACES); 
  
    
    
   Detector.setImageListener(this);
  
    
    
   Detector.setProcessStatusListener(this);
  
    
    
   Detector.start();
  
    
    
  }

在上述代码中可以看到，除了初始化PhotoDetector，我们还做了一个图片监听设置setImageListener，那么图片监听是干什么的呢？

很简单，图片被PhotoDetector处理完，我们需要知道图片处理结果呀，而这个图片监听正是是用来返回图片处理结果的。

可以看到图片监听设置的入参是this，也就是说，需要把图片的处理结果返回给当前页面。

如果就这样写是会编译报错的，会提示setImageListener的入参错误。

我们查看setImageListener的入参，发现它的入参是一个ImageListener接口，即，setImageListener的入参是一个要实现了ImageListener接口的类。

到这里，我们就都明白了，现在我们让当前PhotoWindow.xaml窗体继承接口ImageListener，并实现接口ImageListener内的方法。

 
   
   
 
  
    
    
  public partial class PhotoWindow : Window, Affdex.ImageListener
  
    
    
  ===========================================================================
  
    
    
  public void onImageCapture(Affdex.Frame frame)
  
    
    
  {
  
    
    
  }
  
    
    
  public void onImageResults(Dictionary<int, Face> faces, Affdex.Frame frame)
  
    
    
  {
  
    
    
  }

如上述代码所示，在我们实现的接口onImageResults里有两个参数：faces、frame。

其中faces是最重要的，这里包含Affdex分析图片的结果。

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

现在，Affdex的配置代码已经写完了，我们可以把图片读取出来调用Affdex处理了。

 
   
   
 
  
    
    
  public PhotoWindow()
  
    
    
  {
  
    
    
   InitializeComponent();
  
    
    
   uint maxNumFaces = 1;//最多识别图片中几张脸
  
    
    
   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; //计算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);
  
    
    
  }

如上述代码所示，我们在启动了Detector后，读取了一个人物图片，然后把人物图片的像素数组解析出来，生成一个Frame；这个Frame是Affdex的类，用于保存图像数据信息。

最后，我们把生成的Frame对象，扔给Detecotor的Process方法处理。

Detecotor处理完成后，会触发onImageResults方法。

在onImageResults方法里，入参faces包含了处理结果。

现在我们使用faces里的内容，来定位图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();//因为我们的Detector只识别了一个脸，所以这里最多只有一个数据
  
    
    
   }
  
    
    
   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);
  
    
    
  }