如何借助Azure Face API实现Python应用的人脸情绪识别？

没问题，我来帮你搞定情绪识别的部分！你已经完成了人脸识别的核心步骤，只需要在调用人脸检测接口时明确要求返回情绪属性，就能拿到你想要的情绪数据了。

关键要点说明 #

Azure Face API的detect_with_url方法默认不会返回面部属性（包括情绪），你需要通过return_face_attributes参数指定要获取的属性类型，这里我们需要传入['emotion']。这样返回的每个detected_face对象里就会包含face_attributes.emotion字段，里面包含8种情绪的置信度分数（范围0-1，分数越高代表该情绪越明显）。

修改后的完整代码 #

import urllib.request
from azure.cognitiveservices.vision.face import FaceClient
from azure.cognitiveservices.vision.face.models import Emotion
from msrest.authentication import CognitiveServicesCredentials

# Image
URL = "https://upload.wikimedia.org/wikipedia/commons/5/55/Dalailama1_20121014_4639.jpg"
# API
KEY = "xxx"
ENDPOINT = "https://happyai.cognitiveservices.azure.com/"

# Initialize FaceClient
predictor = FaceClient(ENDPOINT, CognitiveServicesCredentials(KEY))

# 调用detect_with_url时指定return_face_attributes=['emotion']来获取情绪数据
detected_faces = predictor.face.detect_with_url(
    url=URL,
    return_face_attributes=['emotion']  # 关键：添加这一行获取情绪属性
)

if not detected_faces:
    raise Exception('No face detected from image {}'.format(URL))

# 输出检测到的人脸ID和对应的情绪数据
print('Detected faces and their emotions from', URL, ':')
for idx, face in enumerate(detected_faces):
    print(f"\nFace {idx+1} ID: {face.face_id}")
    print("Emotion scores:")
    # 获取情绪对象
    emotion = face.face_attributes.emotion
    # 遍历所有情绪字段并打印分数
    emotions_dict = {
        "Anger": emotion.anger,
        "Contempt": emotion.contempt,
        "Disgust": emotion.disgust,
        "Fear": emotion.fear,
        "Happiness": emotion.happiness,
        "Neutral": emotion.neutral,
        "Sadness": emotion.sadness,
        "Surprise": emotion.surprise
    }
    for emotion_name, score in emotions_dict.items():
        print(f"- {emotion_name}: {score:.4f}")

# 如果你只需要第一张脸的情绪，可以这样获取
first_face_emotion = detected_faces[0].face_attributes.emotion
print("\nFirst face's top emotion:", max(emotions_dict, key=emotions_dict.get))

代码解释 #

1. 添加return_face_attributes=['emotion']：这是触发情绪识别的核心参数，告诉API我们需要返回情绪数据。
2. 访问face.face_attributes.emotion：每个检测到的人脸对象都会包含这个字段，里面是各种情绪的置信度分数。
3. 格式化输出：把情绪数据整理成易读的格式，你也可以根据需求只展示分数最高的情绪（比如最后一行的max方法）。

这样运行代码后，你就能看到每个人脸对应的8种情绪的具体分数了！

内容的提问来源于stack exchange，提问作者Stanislav Jirák