Choque de Cultura - Hoje, API

API e R

Bem, como disse, hoje é um post sobre API utilizando o R, mais especificamente a API do Microsoft Azure de detec??o facial. Quando vocês olham pra imagem acima, o que os rostos deles transmitem? Ódio? Calma? Felicidade? Vamos descobrir pois além de detectar rostos a API serve para identificar emoções dentre outras funcionalidades que vou listar mais para frente.

Se você pretende copiar este post você vai precisar (do maravilhoso R, é claro) e criar uma conta no Micrsoft Azure, ativar a API e pegar a chave para poder reproduzir o que vou mostrar. Se estiverem com dificuldade só falar nos comentários que passo mais detalhes de como fazer.

Programando

Para come?ar, alguns parâmetros básicos, não esqueçam de pegar a chave no site.

# Definir imagem cultural
# tem que ser um link, n?o pode ser imagem local
img.url = 'https://cdn-images-1.medium.com/max/1280/1*iNieUrcsuUTTvmr2BJR_bg.jpeg'

# Definir link da API do Microsoft Azure
api.url = 'https://brazilsouth.api.cognitive.microsoft.com/face/v1.0/detect'

# Definir chave de acesso 
# (dispon?vel em: https://www.microsoft.com/cognitive-services/en-us/emotion-api)
emotionKEY = 'xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx'

# Definir imagem para a API
mybody = list(url = img.url)

### lista de pacotes utilizados
# c('dplyr', 'tidyr', 'tibble','httr', 'ggplot2', 
# 'scales', 'gridExtra', 'grid', 'imager') 

Aqui é a parte onde de fato faz a requisição para a API, ela retorna por padrão apenas a posição dos rostos mas existe uma série de argumentos (a variável é returnFaceAttributes) que podem ser adicionados como detectar se está usando óculos, barbas, maquiagem e o mais importante para nós, qual a emoção da nossa sopinha de abóbora.

faceEMO = httr::POST(
  url = api.url,
  content_type('application/json'), 
  add_headers(.headers = c('Ocp-Apim-Subscription-Key' = emotionKEY)),
  body = mybody,
  query = list(returnFaceAttributes = "emotion"),
  encode = 'json'
)

#Outros argumentos
# params = list('returnFaceId' = 'true',
#   'returnFaceLandmarks'= 'false',
#   'returnFaceAttributes'= 'age,gender,headPose,smile,facialHair,glasses,
#    emotion,hair,makeup,occlusion,accessories,blur,exposure,noise')

faceEMO

## Response [https://brazilsouth.api.cognitive.microsoft.com/face/v1.0/detect?returnFaceAttributes=emotion]
##   Date: 2018-12-21 16:50
##   Status: 200
##   Content-Type: application/json; charset=utf-8
##   Size: 1.04 kB

# Se Status = 200, deu tudo acerto at? ent?o

Agora vamos usar os dados que obtivemos:

# Obtendo os resultados
faces <- httr::content(faceEMO)#[[1]]
#Aqui temos a posi??o de cada rosto na imagem
f1 <- faces[[1]]$faceRectangle %>% as_tibble() %>% t() ## Rogerinho do ing?
f2 <- faces[[2]]$faceRectangle %>% as_tibble() %>% t() ## Julinho da Van
f3 <- faces[[3]]$faceRectangle %>% as_tibble() %>% t() ## Maur?lio
f4 <- faces[[4]]$faceRectangle %>% as_tibble() %>% t() ## Renan

#carregar a do PC imagem pro R
image <- imager::load.image('C:/Users/ehell/Desktop/choque/choque.jpg')
plot(image, xlim = c(0, 1300), main = 'Choque de Cultura: detecção de faces',
     axes=T, yaxs='i')

# desenhando os ret?ngulos, os atributos que temos no f1 s?o 
# top (ponto mais alto), left(ponto a esquerda), 
# width (largura), e height (altura)
# para desenhar as retas vamos usar cada um deles
# f1[1,] = f1['top',]; f1[2,] = f1['left',] 
# f1[3,] = f1['width',]; f1[4,] = f1['height',]

rect(xleft = f1[2,], ytop = f1[1,], xright = f1[2,] + f1[3,],
     ybottom = f1[1,] + f1[4,], border = 'blue', lwd = 2)
rect(xleft = f2[2,], ytop = f2[1,], xright = f2[2,] + f2[3,],
     ybottom = f2[1,] + f2[4,], border = 'blue', lwd = 2)
rect(xleft = f3[2,], ytop = f3[1,], xright = f3[2,] + f3[3,], 
     ybottom = f3[1,] + f3[4,], border = 'blue', lwd = 2)
rect(xleft = f4[2,], ytop = f4[1,], xright = f4[2,] + f4[3,], 
     ybottom = f4[1,] + f4[4,], border = 'blue', lwd = 2)

Até agora está dando tudo certo, a API conseguiu identificar os rostos dos campeões, agora vamos ver que tipo de emoção estão passando. Convenhamos, tirando o Maurílio eu não sei de nada, talvez um Rogerinho “full putasso”.

# Os dados das emoções vem em lista e um pouco bagun?ados,
# ent?o vamos arrumar e traduzir

emot <-  c('Raiva','Desprezo','Desgosto','Medo',
           'Felicidade','Neutro','Tristeza','Surpresa')

rogerinho <- faces[[1]]$faceAttributes$emotion %>% as_tibble() %>% t() %>% 
  as.data.frame() %>% rownames_to_column("emotion") %>%
  mutate(emotion = emot)

julinho <- faces[[2]]$faceAttributes$emotion %>% as_tibble() %>% t() %>% 
  as.data.frame() %>% rownames_to_column("emotion") %>%
  mutate(emotion = emot)

maurilio <- faces[[3]]$faceAttributes$emotion %>% as_tibble() %>% t() %>% 
  as.data.frame() %>% rownames_to_column("emotion") %>%
  mutate(emotion = emot)

renan <- faces[[4]]$faceAttributes$emotion %>% as_tibble() %>% t() %>%
  as.data.frame() %>% rownames_to_column("emotion") %>%
  mutate(emotion = emot)

### Preparando os gr?ficos

p1 <- rogerinho %>% ggplot(aes(x = emotion, y = V1, fill = emotion)) +
              geom_bar(stat = 'identity')+
              scale_y_continuous(labels = scales::percent) +
  theme(axis.text.x = element_text(angle = 45, size = 8),
        plot.title = element_text(hjust = 0.5, face = 'bold'),
        axis.title.x = element_text(face = 'bold'), 
        axis.title.y = element_text(face = 'bold'),
        plot.caption = element_text(size = 6))+
  labs(title = 'Rogerinho do Ingá', x = 'Emoção', y = 'Porcentagem')+
  guides(fill=guide_legend(title="Emoções"))+ guides(fill=F)

p2 <- julinho %>% ggplot(aes(x = emotion, y = V1, fill = emotion)) +
  geom_bar(stat = 'identity')+
  scale_y_continuous(labels = scales::percent) +
  theme(axis.text.x = element_text(angle = 45, size = 8), 
        plot.title = element_text(hjust = 0.5, face = 'bold'),
        axis.title.x = element_text(face = 'bold'),
        axis.title.y = element_text(face = 'bold'),
        plot.caption = element_text(size = 6))+
  labs(title = 'Julinho da Van', x = 'Emoção', y = 'Porcentagem')+
  guides(fill=guide_legend(title="Emoçoes"))+ guides(fill=F)

p3 <- maurilio %>% ggplot(aes(x = emotion, y = V1, fill = emotion)) +
  geom_bar(stat = 'identity')+
  scale_y_continuous(labels = scales::percent) +
  theme(axis.text.x = element_text(angle = 45, size = 8), 
        plot.title = element_text(hjust = 0.5, face = 'bold'),
        axis.title.x = element_text(face = 'bold'), 
        axis.title.y = element_text(face = 'bold'),
        plot.caption = element_text(size = 6))+
  labs(title = 'Maurílio', x = 'Emoção', y = 'Porcentagem')+
  guides(fill=guide_legend(title="Emoções"))+ guides(fill=F)

p4 <- renan %>% ggplot(aes(x = emotion, y = V1, fill = emotion)) +
  geom_bar(stat = 'identity')+
  scale_y_continuous(labels = scales::percent) +
  theme(axis.text.x = element_text(angle = 45, size = 8), 
        plot.title = element_text(hjust = 0.5, face = 'bold'),
        axis.title.x = element_text(face = 'bold'), 
        axis.title.y = element_text(face = 'bold'),
        plot.caption = element_text(size = 6))+
  labs(title = 'Renan', x = 'Emoção', y = 'Porcentagem')+ guides(fill=F)

## Usando o grid.arrange para plotar tudo junto (semelhante ao par())
gridExtra::grid.arrange(p1, p2, p3, p4, ncol=2, 
             top=textGrob("Análise de emoções: Choque de Cultura", 
                          gp = gpar(fontsize=18, fontface = 'bold')))

Pronto, dados o nosso gráfico temos nossas respostas. O p̶a̶l̶e̶s̶t̶r̶i̶n̶h̶a̶ Maurílio é um cara muito feliz e sem sombra de dúvidas. O Julinho da Van já sabemos que é um cara estranho, apesar de ser neutro tem lá aquele seu fundo de desprezo. O Renan tenta esconder mas talvez sintia falta do seu pequeno no set na hora da foto? Por último temos o Rogerinho do Ingá, um cara complexo e de muita emoções, apesar de parecer um cara amigável tem aquele ódio por todos que não entendem de cultura como essa grande equipe.

Ideias e sugestões para novos posts? Só mandar aí nos comentários, até a próxima galera.