Begrepp inom ansiktsigenkänning
I den här artikeln förklaras begreppet ansiktsigenkänning, dess relaterade åtgärder och underliggande datastrukturer. Ansiktsigenkänning avser i stort sett metoden för att verifiera eller identifiera en person med deras ansikte.
Verifiering är en-till-en-matchning som tar två ansikten och returnerar om de är samma ansikte och identifiering är en-till-många-matchning som tar ett enda ansikte som indata och returnerar en uppsättning matchande kandidater. Ansiktsigenkänning är viktigt när man implementerar identitetsverifieringsscenariot, som företag och appar kan använda för att verifiera att en (fjärransluten) användare är den de utger sig för att vara.
Relaterade datastrukturer
Igenkänningsåtgärder använder huvudsakligen följande datastrukturer. Dessa objekt lagras i molnet och kan refereras till av deras ID-strängar. ID-strängar är alltid unika i en prenumeration, men namnfält kan dupliceras.
| Name | Beskrivning |
|---|---|
| DetectedFace | Den här enskilda ansiktsrepresentationen hämtas av ansiktsavkänningsåtgärden. Id:t upphör att gälla 24 timmar efter att det har skapats. |
| PersistedFace | När DetectedFace-objekt läggs till i en grupp, till exempel FaceList eller Person, blir de PersistedFace-objekt. De kan hämtas när som helst och upphör inte att gälla. |
| FaceList eller LargeFaceList | Den här datastrukturen är en sorterad lista över PersistedFace-objekt. En FaceList har ett unikt ID, en namnsträng och eventuellt en användardatasträng. |
| Person | Den här datastrukturen är en lista över PersistedFace-objekt som tillhör samma person. Den har ett unikt ID, en namnsträng och eventuellt en användardatasträng. |
| PersonGroup eller LargePersonGroup | Den här datastrukturen är en lista med personobjekt. Den har ett unikt ID, en namnsträng och eventuellt en användardatasträng. En PersonGroup måste tränas innan den kan användas i igenkänningsåtgärder. |
| PersonDirectory | Den här datastrukturen liknar LargePersonGroup men erbjuder ytterligare lagringskapacitet och andra ytterligare funktioner. Mer information finns i Använda PersonDirectory-strukturen. |
Igenkänningsåtgärder
Det här avsnittet beskriver hur de underliggande åtgärderna använder ovanstående datastrukturer för att identifiera och verifiera ett ansikte.
Skapa och träna PersonGroup
Du måste skapa en PersonGroup eller LargePersonGroup för att lagra uppsättningen personer att matcha 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 för användning i jämförelse av ansiktsdata.
Identification
Åtgärden Identifiera tar ett eller flera ansikts-ID:n för källan (från ett DetectedFace- eller PersistedFace-objekt) och en PersonGroup eller LargePersonGroup. Den returnerar en lista över personobjekten som varje käll ansikte kan tillhöra. Returnerade personobjekt omsluts som kandidatobjekt, som har ett förutsägelseförtroendevärde.
Verifiering
Verifieringsåtgärden tar ett enda ansikts-ID (från ett DetectedFace- eller PersistedFace-objekt) och ett Person-objekt. Den avgör om ansiktet tillhör samma person. Verifieringen är en-till-en-matchning och kan användas som en slutlig kontroll av resultaten från API-anropet Identifiera. Du kan dock välja att skicka in den PersonGroup som kandidaten Person tillhör för att förbättra API-prestandan.
Indata
Använd följande tips för att säkerställa att dina indatabilder ger bästa igenkänningsresultat:
- De indatabildformat som stöds är JPEG, PNG, GIF (den första bilden), BMP.
- Bildfilstorleken får inte vara större än 6 MB.
- När du skapar personobjekt använder du foton med olika typer av vinklar och belysning.
- Vissa ansikten kanske inte känns igen på grund av tekniska utmaningar, till exempel:
- Bilder med extrem belysning, till exempel allvarlig bakgrundsbelysning.
- Det finns hinder som blockerar en eller båda ögonen.
- Skillnader i behåringstyp eller ansiktshår.
- Ändringar i ansiktsutseende på grund av ålder.
- Extrema ansiktsuttryck.
- Du kan använda attributet qualityForRecognition i ansiktsigenkänningsåtgärden när du använder tillämpliga identifieringsmodeller som en allmän riktlinje för huruvida bilden är tillräckligt bra för att försöka identifiera ansikten. Endast bilder av "hög" kvalitet rekommenderas för personregistrering och kvalitet på eller över "medel" rekommenderas för identifieringsscenarier.
Nästa steg
Nu när du är bekant med begreppen för ansiktsigenkänning skriver du ett skript som identifierar ansikten mot en tränad PersonGroup.