取得臉部偵測深入解析

發行項
10/09/2024

臉部偵測

臉部偵測會偵測媒體檔案中的臉部，然後將類似臉部的實例匯總成群組。

臉部偵測深入解析會在 JSON 檔案中產生為分類清單，其中包含縮圖和每個臉部的名稱或識別碼。在入口網站中，選取臉部的縮圖會顯示資訊，例如人員名稱（如果被辨識）、該人員出現的視訊百分比，以及該人員的傳記，如果是名人。您也可以在人員出現的影片中的執行個體之間捲動。

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。影片索引器無法辨識為名人的臉部被偵測到，但未命名。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 AI 準則，臉部辨識、自訂和名人辨識功能的存取受到限制並且根據資格和使用準則。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：

摘要說明演員在電影中出現的位置，或透過深度搜尋組織封存中的特定臉部來重複使用影片，以取得特定名人的深入解析。
當您在通訊社或體育機構建立專題報導時，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。
使用出現在影片中的臉部來建立促銷、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

詞彙	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	註冊個人映像以建立範本的程序，以便辨識這些個人。當人員註冊到用於驗證的驗證系統時，其範本也會與用來判斷要與探查範本比較之範本的主要識別碼相關聯。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。註冊或探查影像不會由臉部 API 儲存，而且無法根據範本重新建構原始影像。範本品質是結果中正確性的關鍵決定因素。

使用入口網站檢視深入解析 JSON

上傳影片並編製索引之後，您可以使用入口網站以 JSON 格式下載深入解析。

選取 [連結 庫] 索引標籤 。
選取您想要使用的媒體。
選取 [下載] 和 [深入解析] [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 API

使用取得影片索引要求。我們建議傳遞 &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。您一律可以使用 API 從臉部成品檔案擷取所有臉部執行個體：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

請務必閱讀所有 VI 功能的透明度附注概觀。每個深入解析也有自己的透明度注意事項：

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。建議包括對個人有嚴重影響的決定進行人工檢閱。

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。然後臉部會彙總並分組。
辨識	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

共用方式為