獲取人臉偵測洞察

2025-06-05

本文說明如何取得 Azure AI 影片索引器的臉部辨識見解。臉部偵測會在媒體檔案中尋找臉部，並將類似的臉部分組。系統會在 JSON 檔案中產生臉部偵測資訊做為分類清單。每個條目都包含縮圖，以及每個人臉的名稱或識別碼。在入口網站中，當您選取臉部的縮圖時，您會看到詳細數據，例如人員名稱（如果已辨識）、該人員出現的視訊百分比，以及身為名人的人傳記。您可以在影片中捲動到該人員出現的片段。

名人辨識模型

名人辨識模型涵蓋大約 100 萬張臉部，並且是以經常要求的資料來源為基礎。影片索引器偵測到無法辨識為名人的臉部，但沒有對其進行命名。您可以建置自己的自訂人員模型，定型 Video Indexer 以辨識預設無法辨識的臉部。

重要

為了支援Microsoft負責任的 AI 原則，存取臉部識別、自定義和名人辨識功能會受到限制，並依據資格和使用準則。臉部識別、自訂和名人辨識功能適用於 Microsoft 受控的客戶和合作夥伴。若要申請存取權，請使用臉部辨識受理表單。

臉部偵測使用案例

下列清單描述臉部偵測常見使用案例的範例：

摘要演員在電影中的出現場景，或透過深入搜尋組織檔案中的特定人臉來重複利用影片，以獲得對特定名人的深入見解。
當您在新聞社或體育機構撰寫新聞特寫時，獲得更高的效率。範例包括深度搜尋組織封存中的名人或足球運動員。
您可以使用影片中顯示的臉部來建立宣傳片、預告片或精彩片段。 Video Indexer 可以藉由新增主要畫面格、場景標記、時間戳記和標籤來提供協助，讓內容編輯者花更少的時間檢閱許多檔案。

關鍵字詞

術語	定義
臉部辨識	分析影像以識別影像中出現的臉部。此程序是透過 Azure AI 臉部 API 實作。
註冊	註冊個人的圖像以建立範本，從而辨識這些個人。當人員註冊到用於驗證的驗證系統時，其範本也會與主要標識符相關聯。標識碼用來判斷要與探查範本比較的範本。高品質影像和代表一個人外觀自然變化的影像 (例如戴眼鏡和不戴眼鏡) 會產生高品質的註冊範本。
範本	註冊的人員影像會轉換成範本，然後用於臉部辨識。機器可解譯的功能會從一或多個個人的影像擷取，以建立該個人的範本。臉部 API 不會儲存註冊或探查影像。無法根據範本重新建構原始映像。範本品質是結果中正確性的關鍵決定因素。

使用網頁平台檢視 insight JSON

上傳影片並編製索引之後，請從入口網站下載 JSON 格式的深入解析。

選取 資料庫 索引標籤。
選取您想要的媒體。
選取下載，然後選取 洞察 (JSON)。 JSON 檔案會在新的瀏覽器索引標籤開啟。
尋找範例回應中所述的密鑰組。

使用此 API

使用取得影片索引要求。傳遞 &includeSummarizedInsights=false。
尋找範例回應中所述的密鑰組。

重要

當您在 UI 中檢閱臉部偵測時，可能不會看到影片中出現的所有臉部。我們只公開信賴度超過 0.5 的臉部群組，且臉部必須至少出現 4 秒或 video_duration 值的 10%。只有當符合這些條件時，我們才會在 UI 和 Insights.json 檔案中顯示臉部。您可以隨時使用 API 從臉部成品檔案擷取所有臉部影像：https://api.videoindexer.ai/{location}/Accounts/{accountId}/Videos/{videoId}/ArtifactUrl[?Faces][&accessToken]。

範例回應

    "faces": [
        {
        "id": 1785,
        "name": "Emily Tran",
        "confidence": 0.7855,
        "description": null,
        "thumbnailId": "fd2720f7-b029-4e01-af44-3baf4720c531",
        "knownPersonId": "92b25b4c-944f-4063-8ad4-f73492e42e6f",
        "title": null,
        "imageUrl": null,
        "thumbnails": [
            {
            "id": "4d182b8c-2adf-48a2-a352-785e9fcd1fcf",
            "fileName": "FaceInstanceThumbnail_4d182b8c-2adf-48a2-a352-785e9fcd1fcf.jpg",
            "instances": [
                {
                "adjustedStart": "0:00:00",
                "adjustedEnd": "0:00:00.033",
                "start": "0:00:00",
                "end": "0:00:00.033"
                }
            ]
            },
            {
            "id": "feff177b-dabf-4f03-acaf-3e5052c8be57",
            "fileName": "FaceInstanceThumbnail_feff177b-dabf-4f03-acaf-3e5052c8be57.jpg",
            "instances": [
                {
                "adjustedStart": "0:00:05",
                "adjustedEnd": "0:00:05.033",
                "start": "0:00:05",
                "end": "0:00:05.033"
                }
            ]
            },
        ]
        }
    ]

重要

閱讀所有 VI 功能的透明度附註概觀。每個深入解析也有自己的透明度附註。

臉部偵測附註

臉部偵測是許多產業在負責任且謹慎使用時的工具。為了尊重他人的隱私權和安全，以及遵守當地和全球法規，建議您遵循下列使用指導方針：

請仔細考慮結果的正確性。若要提升更精確的偵測，請檢查影片的品質。低品質影片可能會影響所呈現的深入解析。
如果您使用臉部偵測作為執法用途，請謹慎檢閱結果。如果人員很小、坐下、蹲下或被物體或其他人員遮蔽，則可能無法偵測到。為了確保公平和高品質的決策，請將臉部偵測型自動化與人為監督相結合。
請勿將臉部偵測用於可能會有嚴重負面影響的決策。根據不正確輸出做出的決策可能會產生嚴重負面影響。建議對可能產生嚴重影響個人的決定進行人工審查。

臉部偵測元件

下表描述在臉部偵測程序期間如何處理媒體檔案中的影像：

元件	定義
來源檔案	使用者上傳來源檔案以編製索引。
偵測和匯總	臉部偵測器會識別每個畫面中的臉部。然後這些臉部會被彙總並分組。
辨識 / 認可	名人模型會處理彙總的群組來辨識名人。如果您已建立自己的人員模型，該模型也會處理群組來辨識其他人員。如果無法辨識人員，則會標示為 Unknown1、Unknown2，依此類推。
信賴度值	如果適用於已知臉部或在可自訂清單中識別的臉部，則每個標籤的估計信賴度等級會計算為 0 到 1 的範圍。信賴度分數代表結果正確性的確定性。例如，82% 的確定性會以分數 0.82 表示。

範例指令碼

查看 VI 的所有範例