臉部辨識
本文會說明臉部辨識的概念、相關作業,以及基礎資料結構。 大致上,臉部辨識是驗證或識別臉部個人的程式。 臉部辨識對於實作識別案例很重要,企業和應用程式可用來驗證(遠端)使用者是否為他們聲稱的身分。
臉部辨識作業
警告
臉部辨識服務存取受限於資格和使用準則,以支援我們的「負責任的 AI 原則」。 臉部辨識服務僅供 Microsoft 受管理的客戶和合作夥伴使用。 請使用臉部辨識受理表單以申請存取。 如需詳細資訊,請參閱臉部的有限存取權頁面。
建立與訓練 PersonGroup
您必須建立 PersonGroup 或 LargePersonGroup 來儲存以供比對的一組人員。 PersonGroups 包含 Person 物件,每個物件都代表一名個人,並包含一組屬於該人員的臉部資料。
訓練作業會準備要用於臉部資料比較的資料集。
識別
識別作業會採用一或多個來源臉部識別碼 (出自 DetectedFace 或 PersistedFace 物件) 和 PersonGroup 或 LargePersonGroup。 其會傳回每個來源臉部可能隸屬之 Person 物件清單。 傳回的 Person 物件會包裝為具有預測信賴值的 Candidate 物件。
驗證
驗證作業會採用單一臉部識別碼 (出自 DetectedFace 或 PersistedFace 物件) 和 Person 物件。 其會判斷該臉部是否屬於同一個人。 驗證是一對一的比對,可以作為識別 API 呼叫結果的最後檢查。 不過,您可以選擇是否傳入可能 Person 所屬的 PersonGroup,以改善 API 效能。
相關資料結構
辨識作業主要使用下列資料結構。 這些物件會儲存在雲端,供其識別碼字串參考。 識別碼字串在訂閱中一律是唯一的,但名稱欄位則可能會重複。
請參閱臉部辨識數據結構指南。
輸入需求
使用下列祕訣,確定您的輸入影像能夠提供最精確的辨識結果:
- 支援的輸入影像格式包括 JPEG、PNG、GIF (第一個畫面格)、BMP。
- 影像檔案大小應大於 6 MB。
- 某些臉部可能因為相片組合而無法辨識,例如:
- 過亮的影像,例如嚴重背光。
- 有遮蔽物擋住一或兩隻眼睛。
- 髮型或鬍子的差異。
- 年齡所造成的臉部外觀變化。
- 極端臉部表情。
- 當使用適用的偵測模型作為影像是否可能有足夠的質量嘗試臉部辨識的一般指導方針時,您可以使用
qualityForRecognition
臉部偵測作業中的屬性。 針對身分識別案例,建議只"high"
建議使用品質影像進行人員註冊,且建議在或更新版本"medium"
的品質。
下一步
熟悉臉部辨識概念後,請撰寫利用訓練後 PersonGroup 識別臉部的指令碼。
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應