Ansiktsigenkänning

Den här artikeln beskriver begreppet ansiktsigenkänning, dess relaterade åtgärder och de underliggande datastrukturerna. I stort sett är ansiktsigenkänning processen att verifiera eller identifiera individer efter deras ansikten. Ansiktsigenkänning är viktigt för att implementera identifieringsscenariot, som företag och appar kan använda för att verifiera att en (fjärransluten) användare är den de påstår sig vara.

Du kan prova funktionerna i ansiktsigenkänning snabbt och enkelt med Hjälp av Vision Studio.

Prova Vision Studio

Ansiktsigenkänningsåtgärder

Varning

Åtkomsten till ansiktstjänsten är begränsad baserat på berättigande- och användningskriterier för att stödja våra principer för ansvarsfull AI. Ansiktstjänsten är endast tillgänglig för Microsofts hanterade kunder och partner. Använd formuläret ansiktsigenkänning för att ansöka om åtkomst. Mer information finns på sidan ansiktsbegränsade åtkomst .

Skapa och träna PersonGroup

Du måste skapa en PersonGroup eller LargePersonGroup för att lagra den uppsättning personer som ska matchas mot. PersonGroups innehåller personobjekt , som var och en representerar en enskild person och innehåller en uppsättning ansiktsdata som tillhör den personen.

Åtgärden Träna förbereder datauppsättningen som ska användas i jämförelse av ansiktsdata.

Identifiering

Åtgärden Identifiera tar ett eller flera källansiktens ID (från ett DetectedFace- eller PersistedFace-objekt) och en PersonGroup eller LargePersonGroup. Den returnerar en lista över de personobjekt som varje källansikte kan tillhöra. Returnerade Person-objekt omsluts som Kandidatobjekt, som har ett konfidensvärde för förutsägelse.

Verifiering

Åtgärden Verifiera tar ett enda ansikts-ID (från ett DetectedFace- eller PersistedFace-objekt) och ett Person-objekt. Den avgör om ansiktet tillhör samma person. Verifiering är en-till-en-matchning och kan användas som en slutlig kontroll av resultaten från anropet Identifiera API. Du kan dock skicka in den PersonGroup som kandidatpersonen tillhör för att förbättra API-prestandan.

Relaterade datastrukturer

Igenkänningsåtgärderna använder huvudsakligen följande datastrukturer. Dessa objekt lagras i molnet och kan refereras av deras ID-strängar. ID-strängar är alltid unika i en prenumeration, men namnfält kan dupliceras.

Se guiden ansiktsigenkänningsdatastrukturer.

Indatakrav

Använd följande tips för att säkerställa att dina indatabilder ger de mest exakta igenkänningsresultaten:

• De indatabildformat som stöds är JPEG, PNG, GIF (den första ramen), BMP.
• Bildfilens storlek får inte vara större än 6 MB.

• Vissa ansikten kanske inte känns igen på grund av fotosammansättning, till exempel:
  • Bilder med extrem belysning, till exempel svår bakgrundsbelysning.
  • Hinder som blockerar ett eller båda ögonen.
  • Skillnader i hårtyp eller ansiktshår.
  • Förändringar i ansiktsutseende på grund av ålder.
  • Extrema ansiktsuttryck.

• Du kan använda qualityForRecognition attributet i ansiktsidentifieringsåtgärden när du använder tillämpliga identifieringsmodeller som en allmän riktlinje för om bilden sannolikt har tillräcklig kvalitet för att försöka identifiera ansiktet. Endast "high" kvalitetsbilder rekommenderas för personregistrering och kvalitet på eller högre "medium" rekommenderas för identifieringsscenarier.

Nästa steg

Nu när du är bekant med begrepp för ansiktsigenkänning skriver du ett skript som identifierar ansikten mot en tränad PersonGroup.

• Snabbstart för ansikte