Deteksi wajah, atribut, dan data input

  • Artikel

Perhatian

Akses layanan Face dibatasi berdasarkan kelayakan dan kriteria penggunaan untuk mendukung prinsip AI kami yang Bertanggung Jawab. Layanan Face hanya tersedia untuk pelanggan dan mitra terkelola Microsoft. Gunakan formulir pengambilan Pengenalan Wajah untuk mengajukan akses. Untuk informasi selengkapnya, lihat halaman Akses terbatas Wajah.

Penting

Atribut wajah diprediksi melalui penggunaan algoritma statistik. Atribut tersebut mungkin tidak selalu akurat. Hati-hati saat membuat keputusan berdasarkan data atribut. Harap jangan menggunakan atribut ini untuk anti-spoofing. Sebagai gantinya, sebaiknya gunakan deteksi Face Liveness. Untuk informasi selengkapnya, silakan merujuk ke Tutorial: Mendeteksi keaktivan di wajah.

Artikel ini menjelaskan konsep pendeteksi wajah dan data atribut wajah. Pendeteksi wajah adalah proses pencarian wajah manusia dalam gambar dan secara opsional menampilkan berbagai jenis data terkait wajah.

Anda menggunakan APIFace - Detect untuk mendeteksi wajah dalam gambar. Untuk mulai menggunakan REST API atau SDK klien, ikuti mulai cepat. Atau, untuk panduan yang lebih mendalam, lihat Memanggil API deteksi.

Persegi panjang wajah

Setiap wajah yang terdeteksi berhubungan dengan sebuah faceRectangle bidang di respons. Ini adalah sebuah set koordinat piksel untuk kiri, atas, lebar, dan tinggi dari wajah yang terdeteksi. Dengan koordinat ini, Anda bisa mendapatkan lokasi wajah dan ukurannya. Dalam respons API, wajah tercantum dalam urutan ukuran dari terbesar hingga terkecil.

Cobalah kemampuan deteksi wajah dengan cepat dan mudah menggunakan Vision Studio.

Coba Vision Studio

ID Wajah

ID wajah adalah string pengidentifikasi unik untuk setiap wajah yang terdeteksi dalam gambar. FACE ID memerlukan persetujuan akses terbatas, yang dapat Anda ajukan dengan mengisi formulir asupan. Untuk informasi selengkapnya, lihat halaman Akses terbatas Wajah. Anda dapat meminta ID Wajah dalam panggilan Face - Detect API.

Mendapatkan tengara wajah

Tengara wajah adalah satu set titik yang mudah ditemukan pada wajah, seperti biji mata atau ujung hidung. Secara default, ada 27 titik tengara yang ditentukan sebelumnya. Gambar berikut memperlihatkan ke-27 titik tersebut:

A face diagram with all 27 landmarks labeled

Koordinat titik ditampilkan dalam satuan piksel.

Model Detection_03 saat ini memiliki deteksi landmark yang paling akurat. Landmark mata dan pupil yang dikembalikan cukup tepat untuk memungkinkan pelacakan tatapan wajah.

Atribut

Perhatian

Microsoft memiliki kemampuan pengenalan wajah yang dihentikan yang dapat digunakan untuk mencoba menyimpulkan status emosional dan atribut identitas yang, jika disalahgunakan, dapat menyebabkan orang-orang melakukan stereotip, diskriminasi, atau penolakan layanan yang tidak wajar. Ini termasuk kemampuan yang memprediksi emosi, jenis kelamin, usia, senyum, rambut wajah, rambut, dan riasan. Baca selengkapnya tentang keputusan ini di sini.

Atribut adalah seperangkat fitur yang secara opsional dapat dideteksi oleh Face - Detect API. Atribut berikut dapat dideteksi:

  • Accessories (Aksesoris). Menunjukkan apakah wajah yang diberikan memiliki aksesori. Atribut ini menampilkan kemungkinan aksesori termasuk hiasan kepala, kacamata, dan topeng, dengan skor keyakinan antara nol dan satu untuk setiap aksesori.

  • Blur (Buram). Keburaman wajah dalam gambar. Atribut ini menampilkan nilai antara nol dan satu dan peringkat informal rendah, sedang, atau tinggi.

  • Exposure (Eksposur). Eksposur wajah dalam gambar. Atribut ini menampilkan nilai antara nol dan satu dan peringkat informal underExposure, goodExposure, atau overExposure.

  • Glasses (Kacamata). Apakah wajah yang ditentukan memakai kacamata. Kemungkinan nilainya adalah NoGlasses, ReadingGlasses, Sunglasses, dan Swimming Goggles.

  • Head pose (Pose kepala). Orientasi wajah dalam ruang 3D. Atribut ini dijelaskan oleh sudut gulungan, olengan, dan puncak dalam derajat, yang ditentukan menurut aturan tangan kanan. Urutan tiga sudut adalah gulungan-olengan-puncak, dan rentang nilai setiap sudut dari -180 derajat hingga 180 derajat. Orientasi wajah 3D diperkirakan menurut sudut gulungan, olengan, dan puncak berdasarkan urutan. Lihat diagram berikut untuk pemetaan sudut:

    A head with the pitch, roll, and yaw axes labeled

    Untuk informasi selengkapnya tentang cara menggunakan nilai-nilai ini, lihat panduan panduan pose Kepala.

  • Mask (Topeng). Menunjukkan apakah wajah mengenakan masker. Atribut ini menampilkan kemungkinan jenis topeng, dan nilai Boolean untuk menunjukkan apakah hidung dan mulut tertutup.

  • Noise. Noise visual yang terdeteksi pada gambar wajah. Atribut ini menampilkan nilai antara nol dan satu dan peringkat informal rendah, sedang, atau tinggi.

  • Occlusion (Halangan). Menunjukkan apakah ada objek yang memblokir bagian wajah. Atribut ini menampilkan nilai Boolean untuk eyeOccluded, foreheadOccluded, dan mouthOccluded.

  • QualityForRecognition Kualitas gambar keseluruhan mengenai apakah gambar yang digunakan dalam pendeteksian memiliki kualitas yang cukup untuk mencoba pengenal wajah. Nilai adalah peringkat informal rendah, sedang, atau tinggi. Hanya gambar berkualitas "tinggi" yang disarankan untuk pendaftaran orang, dan kualitas pada atau di atas "sedang" disarankan untuk skenario identifikasi.

    Catatan

    Ketersediaan setiap atribut bergantung pada model deteksi yang ditentukan. Atribut QualityForRecognition juga bergantung pada model pengenalan, karena saat ini hanya tersedia saat menggunakan kombinasi model deteksi detection_01 atau detection_03, dan model pengenalan recognition_03 atau recognition_04.

Persyaratan input

Gunakan tips berikut untuk memastikan bahwa gambar input Anda memberikan hasil deteksi yang paling akurat:

  • Format gambar input yang didukung adalah JPEG, PNG, GIF (bingkai pertama), BMP.
  • Ukuran file gambar tidak boleh melebihi 6 MB.
  • Ukuran wajah minimum yang dapat dideteksi adalah 36 x 36 piksel dalam gambar dengan besar tidak lebih dari 1920 x 1080 piksel. Gambar lebih besar dari 1920 x 1080 piksel memiliki ukuran wajah minimum yang agak lebih besar. Mengurangi ukuran wajah dapat menyebabkan beberapa wajah tidak terdeteksi, bahkan jika lebih besar dari ukuran wajah minimum yang dapat dideteksi.
  • Ukuran wajah maksimum yang dapat dideteksi adalah 4096 x 4096 piksel.
  • Wajah di luar rentang ukuran 36 x 36 hingga 4096 x 4096 piksel tidak akan terdeteksi.

Data input dengan informasi orientasi:

Beberapa gambar input dengan format JPEG mungkin berisi informasi orientasi dalam metadata format file gambar yang dapat ditukar (EXIF). Jika orientasi EXIF tersedia, gambar secara otomatis diputar ke orientasi yang benar sebelum dikirim untuk deteksi wajah. Persegi panjang wajah, tengara, dan pose kepala untuk setiap wajah yang terdeteksi diperkirakan berdasarkan gambar yang diputar.

Untuk menampilkan persegi panjang dan tengara wajah dengan benar, pastikan bahwa gambar diputar dengan benar. Sebagian besar alat visualisasi gambar secara otomatis memutar gambar sesuai dengan orientasi EXIF-nya secara default. Untuk alat lain, Anda mungkin perlu menerapkan rotasi menggunakan kode Anda sendiri. Contoh berikut menunjukkan persegi panjang wajah pada gambar yang diputar (kiri) dan gambar yang tidak diputar (kanan).

Two face images with and without rotation

Input video

Jika mendeteksi wajah dari umpan video, Anda mungkin dapat meningkatkan performa dengan menyesuaikan pengaturan tertentu di kamera video Anda:

  • Penghalus: Banyak kamera video yang menerapkan efek penghalus. Anda harus menonaktifkannya jika bisa karena menciptakan keburaman di antara bingkai dan mengurangi kejelasan.

  • Kecepatan Rana: Kecepatan rana yang lebih cepat mengurangi jumlah gerakan antar bingkai dan membuat setiap bingkai lebih jelas. Sebaiknya kecepatan rana 1/60 detik atau lebih cepat.

  • Sudut Rana: Beberapa kamera menentukan sudut rana, bukan kecepatan rana. Anda harus menggunakan sudut rana yang lebih rendah jika memungkinkan. Ini menghasilkan bingkai video yang lebih jelas.

    Catatan

    Kamera dengan sudut rana yang lebih rendah akan menerima lebih sedikit cahaya di setiap bingkai, sehingga gambar akan lebih gelap. Anda harus menentukan tingkat yang tepat untuk digunakan.

Langkah berikutnya

Setelah Anda terbiasa dengan konsep deteksi wajah, pelajari cara menulis skrip yang mendeteksi wajah dalam gambar tertentu.