近日微软推出了一个神奇的页面——How-old.net，通过传照片猜年龄迅速刷爆朋友圈，
只要一天就可以搭建测年龄网站HowOld.net？
。上线几个小时，已经测试了超21万张图片，由于推测存在不小误差，不少名人都被“玩坏了”，微软认为同年的林志颖和郭德纲年龄差了一个吴奇隆。那么当科技大佬们遇到“How-old” 会如何呢?参考 Fun with ML, Stream Analytics and PowerBI，内有详细说明。
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，
电脑资料
《只要一天就可以搭建测年龄网站HowOld.net？》(https://www.unjs.com)。程序员们，你们只需要 1 天时间就可以建立类似的网站。利用微软发布的 face detection api，只要几下 rest api 调用就可以得到结果了。这里有很详细的 how to 来教你如何调用这些 api：Microsoft Project Oxford How-to detect faces from an image。而且，识别年龄和性别只是一个小功能，这套 api 还包括识别两张照片是不是同一个人，以及识别出某个具体的人等高级功能。
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。
目前看到一些 paper 给出的 MAE(Mean absolute error)可以到 4-5 岁，但都是基于实验室数据，微软的也试了一下，variance 有点大。
微软本来是为了宣传云计算，估计年龄应该只是一个噱头。