var cache = new Cache<List<DetectedFace>>(); // 重点 Dictionary<Guid, (string file, DetectedFace face)> faces = GetFiles(inFolder) .AsParallel() .Select(file => (file: file, faces: cache.GetOrCreate(file, () => // 重点 { byte[] bytes = CompressImage(file); var result = (file, faces: fc.Face.DetectWithStreamAsync(new MemoryStream(bytes)).GetAwaiter().GetResult()); (result.faces.Count == 0 ? $"{file} not detect any face!!!" : $"{file} detected {result.faces.Count}.").Dump(); return result.faces.ToList(); }))) .SelectMany(x => x.faces.Select(face => (x.file, face))) .ToDictionary(x => x.face.FaceId.Value, x => (file: x.file, face: x.face));
将人脸框起来
照片太多，如果活动很大，或者合影中有好几十个人，分出来的组，将长这个样子：
完全不知道自己的脸在哪，因此需要将检测到的脸框起来。
注意框起来的过程，也很有技巧，回忆一下，上传时的照片本来就是压缩和旋转过的，因此返回的DetectedFace对象值，它也是压缩和旋转过的，如果不进行压缩和旋转，找到的脸的位置会完全不正确，因此需要将之前的计算过程重新演算一次：
using var bmp = Bitmap.FromFile(item.info.file); HandleOrientation(bmp, bmp.PropertyItems); using (var g = Graphics.FromImage(bmp)) { using var brush = new SolidBrush(Color.Red); using var pen = new Pen(brush, 5.0f); var rect = item.info.face.FaceRectangle; float scale = Math.Max(1.0f, (float)(1.0 * Math.Max(bmp.Width, bmp.Height) / 1920.0)); g.ScaleTransform(scale, scale); g.DrawRectangle(pen, new Rectangle(rect.Left, rect.Top, rect.Width, rect.Height)); } bmp.Save(Path.Combine(dir, Path.GetFileName(item.info.file)));
使用我上面的那张照片，检测结果如下（有点像相机对焦时人脸识别的感觉）：
1000个脸的限制
.GroupAsync方法一次只能检测1000个FaceId，而上次活动800多张照片中有超过2000个FaceId，因此需要做一些必要的分组。
分组最简单的方法，就是使用System.Interactive包，它提供了Rx.NET那样方便快捷的API（这些API在LINQ中未提供），但又不需要引入Observable<T>那样重量级的东西，因此使用起来很方便。
这里我使用的是.Buffer(int)函数，它可以将IEnumerable<T>按指定的数量（如1000）进行分组，代码如下：
foreach (var buffer in faces .Buffer(1000) .Select((list, groupId) => (list, groupId)) { GroupResult group = await fc.Face.GroupAsync(buffer.list.Select(x => x.Key).ToList()); var folder = outFolder + @"\gid-" + buffer.groupId; CopyGroup(folder, group, faces); }
总结
文中用到的完整代码，全部上传了到我的博客数据Github，只要输入图片和key，即可直接使用和运行：
https://github.com/sdcb/blog-data/tree/master/2019/20191122-dotnet-face-detection
这个月我参加了上海的.NET Conf，我上述代码对.NET Conf的800多张照片做了分组，识别出了2000多张人脸，我将其中我的照片的前三张找出来，结果如下：
......
总的来说，这个效果还挺不错，渣渣分辨率的照片的脸都被它找到了😂。
注意，不一定非得用Azure Cognitive Services来做人脸识别，国内还有阿里云等厂商也提供了人脸识别等服务，并提供了.NET接口，无非就是调用API，注意其限制，代码总体差不多。
另外，如有离线人脸识别需求，Luxand提供了还有离线版人脸识别SDK，名叫Luxand FaceSDK，同样提供了.NET接口。因为无需网络调用，其识别更快，匹配速度更是可达每秒5千万个人脸数据，精度也非常高，亲测好用，目前最新版是v7.1.0，授权昂贵（但百度有惊喜）。