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：
- 将所有学生图片传入 OSS 存储中。
- 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。
- 将所有学生图片预置至 Set 内。
- 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。
{
"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。
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 。
