web开发-测龄利器（How-old.net)

    最近微软Web开发出来的how-old.net盛行整个网络世界，娱乐明星（Entertainment Stars）已经被彻底玩坏了，短短上线几个小时，用户就已经测试了超几十万张照片。

1. 不过由于人脸、皮肤是测试年龄的最重要的辨别依据，除了脸部皮肤，暴露每个人的年龄，当然还有眼部皮肤和颈部皮肤。另外，如果是有意将眼睛睁大点，这样的效果也可能会帮你年轻好几岁。当然了，既然大家拼照片猜年龄的时候，拍照时，灯光也是很重要，因此这样推测或多或少存在误差的，因此网络上更有郭德纲和林志颖之间相差一个吴奇隆的段子，让人喷饭的同时，又不禁好奇，how old robot怎么玩?how-old.net怎么测年龄的呢？下面我们可以大致了解一下：
2. 对于这类的网站开发，其实我们只需要 1 天时间就可以搭建起来。通过用微软发布的 face detection api，只要几下 rest api 调用就可以得到想要的结果了。此外，年龄和性别的鉴定只是一个小功能，这个API还包括识别两张图片是不是同一个人，并确定一个特定的人等高级功能。参考 Fun with ML, Stream Analytics and PowerBI，里面有详细说明。

　    Web开发主要组件是：

　　1. Azure Machine Learning 平台以及其 gallery 中的 face api。Microsoft Azure Machine Learning Gallery

　　2. 实时统计用的是 Azure Event Hub 和 Azure Stream Analytics，后者可以在前者的事件流上使用类 SQL 的语句来执行一个 Near Realtime 的统计，比如每 10 秒内的访问次数和结果分布。

　　其实本 demo 主要目的是展现 ASA 以及 PowerBI 的实时统计展现能力，其中 ASA 刚刚 GA(general availability)，Machine Learning 和 face detection api 是之前就已经有的东西了，没想到大家都关注人脸识别去了。

　　Age estimation via face.

　　1. Face detect，检测图片中人脸的位置，cascade adaboost 是最常用的方法。

　　2. Face alignment，图像对准，确定一些关键的点的位置，比如眉毛，眼睛，鼻子，嘴角等，确定这些点之后可以确定人脸区域，倾斜的也可以。

　　3. Feature extract，有了 face region 之后，开始提取 feature，形状 shape，纹理 texture，几何 geometry 信息是最关键的 feature 了。

　　4. Train，有了大量 feature 数据以及对应的年龄数据，建立一个 model 开始训练。SVM， linear regression 等等。

　　5. Age estimation，新来一张图片，获取 feature，根据 4 获取的训练参数，估计年龄。

     虽然说微软此次巧妙的利用网站开发的how-old.net的测龄风潮仅仅是微软的一个小小噱头，但测龄网站之所以如此吸引人们的眼球了，各路大神都为之疯狂，这也是值得我们去思考的，说实在的它正是很好地利用了用户猎奇的心理，以此达到其想要的效果。想要了解学习更多关于网站开发的资讯和技术的小伙伴，可以来看看课课家学习IT培训的！