微软人脸识别android,人脸识别的概念 - Azure Cognitive Services | Microsoft Docs

您现在访问的是微软AZURE全球版技术文档网站，若需要访问由世纪互联运营的MICROSOFT AZURE中国区技术文档网站，请访问 https://docs.azure.cn.

人脸识别的概念

04/23/2019

本文内容

本文解释“验证”、“查找相似人脸”、“分组”和“识别”人脸识别操作和底层数据结构的概念。 从广义上讲，识别描述的是比较两个不同的人脸，以确定它们是否相似或属于同一个人的工作流程。

与识别相关的数据结构

识别操作主要使用以下数据结构。 这些对象存储在云中，可按其 ID 字符串引用。 ID 字符串在订阅中始终唯一。 名称字段可以重复。

名称

说明

DetectedFace

此单个人脸表示形式通过人脸检测操作检索。 其 ID 在创建 24 小时后过期。

PersistedFace

将 DetectedFace 对象添加到某个组(例如 FaceList 或 Person)后，它们将变成 PersistedFace 对象。 它们可以随时检索，且不会过期。

此数据结构是 PersistedFace 对象的分类列表。 FaceList 具有唯一的 ID、名称字符串，以及(可选的)用户数据字符串。

此数据结构是属于同一个人的 PersistedFace 对象列表。 它具有唯一的 ID、名称字符串，以及(可选的)用户数据字符串。

此数据结构是 Person 对象的分类列表。 它具有唯一的 ID、名称字符串，以及(可选的)用户数据字符串。 PersonGroup 必须事先经过训练才能在识别操作中使用。

识别操作

本部分详细说明四项识别操作如何使用上述数据结构。 概述中详细介绍了每项识别操作。

Verify

验证操作采用人脸 ID(来自 DetectedFace 或 PersistedFace)以及另一个人脸 ID 或 Person 对象，并确定它们是否属于同一个人。 如果传入了 Person 对象，可以选择性地传入该 Person 所属的 PersonGroup 以提高性能。

查找相似

查找相似人脸操作采用人脸 ID(来自 DetectedFace 或 PersistedFace)以及 FaceList 或其他人脸 ID 的数组。 使用 FaceList 时，它会返回与给定人脸相似的人脸的较小 FaceList。 使用人脸 ID 的数组时，它同样会返回较小的数组。

组

分组操作采用分类人脸 ID(来自 DetectedFace 或 PersistedFace)的数组，并返回分组为多个较小数组的相同 ID。 每个“groups”数组包含看上去相似的人脸 ID。 单个“messyGroup”数组包含未找到相似性的人脸 ID。

识别

识别操作采用一个或多个人脸 ID(来自 DetectedFace 或 PersistedFace)和一个 PersonGroup，并返回每张人脸可能属于的 Person 对象列表。 返回的 Person 对象包装为具有预测置信度值的 Candidate 对象。

输入数据

使用以下提示来确保输入的图像提供最准确的识别结果：

支持的输入图像格式为 JPEG、PNG、GIF(第一帧)和 BMP。

图像文件不得大于 6 MB。

创建 Person 对象时，请使用具有不同类型的角度和照明效果的照片。

某些人脸会因技术难题而识别不到，例如：

具有极端照明(例如严重的背光)的图像。

有障碍物挡住了一只或两只眼睛。

发型或胡须的差异。

年龄使面貌发生变化。

极端的面部表情。

后续步骤

熟悉人脸识别的概念后，接下来请编写一个可以针对训练的 PersonGroup 识别人脸的脚本。