转载自知乎，拿来存个档以后看：
这个网站本来就是用来在微软BUILD大会上做演示用的（），具体是第二天的keynote，主讲就是IMML部门（Information Management and Machine Learning)的VP老大。
搭建这个网站以及配套设施，用到了这些东西：
0. 中的Face API。这个项目叫，是Bing的同事做的。把Face Detection这件事包装成了一个REST API供调用，这样开发者即使不懂原理也能很快搭出和how-old.net类似的应用。
顺便说一下，使用这个api需要windows azure的订阅，免费的，但是有调用频率的次数。有兴趣的同学可以尝试一下。
脸部识别的原理我也不是专家，本题 的回答已经足够好了。另外可以参考同事在Quora的问答：。基本的原理就是先要有一大堆已知性别年龄的照片作为机器学习的training set，从这些数据中提取各种脸部细节属性（feature），建立model开始训练，训练完成后新输入的数据就先提取这些属性值然后通过这个model来做识别。
也就是说所谓怎样才算年轻或者年老，并非是事先由人来制定出可以描述的规则（比如看皱纹多少啦什么的），而是通过大量的数据，机器自己学习得到的结果，这些无非是一堆属性值，很难用人类语言描述。反过来如果人类已经能用简单的数学公式写出判断年龄性别的规则，那就根本不需要机器学习了，直接把这个数学方法写成代码就可以了。
1. 接下来就是怎么利用这个face api来搭建how-old.net以及背后的实时统计分析和结果呈现（这个在演示中可以看到每10秒的参与人数和男女比例），这个在原回答已经说了。
以下为原回答：
===================================================================
参考，内有详细说明。
这个demo是我们IMML部门（Information Management and Machine Learning)做的，主要组件是：
1. Azure Machine Learning平台以及其gallery中的face api。
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。
3. 最后结果由powerbi.com来展现。
