Erkennen und Analysieren von Gesichtern

Um die Azure Vision Face-API zu verwenden, müssen Sie eine Ressource für den Dienst in einem Azure-Abonnement bereitstellen. Sie können Face als Einzeldienstressource bereitstellen oder die Face-API in einer Ressource mit mehreren Diensten foundry Tools verwenden. die als eigenständige Ressource oder als Teil eines Microsoft Foundry-Projekts bereitgestellt werden können.

Um Ihre Ressource aus einer Clientanwendung zu verwenden, müssen Sie entweder über die schlüsselbasierte Authentifizierung oder die Microsoft Entra AI-Authentifizierung eine Verbindung mit seinem Endpunkt herstellen. Bei Verwendung der REST-Schnittstelle können Sie den Authentifizierungsschlüssel oder das Token im Anforderungsheader bereitstellen. Wenn Sie ein sprachspezifisches SDK (z. B. das Python azure-ai-vision-face-Paket oder das Microsoft .NET Azure.AI.Vision.Face-Paket ) verwenden, verwenden Sie ein FaceClient-Objekt , um eine Verbindung mit dem Dienst herzustellen.

from azure.ai.vision.face import FaceClient
from azure.ai.vision.face.models import *
from azure.core.credentials import AzureKeyCredential

face_client = FaceClient(
    endpoint="<YOUR_RESOURCE_ENDPOINT>",
    credential=AzureKeyCredential("<YOUR_RESOURCE_KEY>"))

using Azure;
using Azure.AI.Vision.Face;

FaceClient faceClient = new FaceClient(
    new Uri("<YOUR_RESOURCE_ENDPOINT>"),
    new AzureKeyCredential("<YOUR_RESOURCE_KEY>"));

Um Gesichter in einem Bild zu erkennen und zu analysieren, müssen Sie die modellspezifischen Features angeben, die der Dienst zurückgeben soll, und dann den Client verwenden, um die Detect-Methode aufzurufen.

# Specify facial features to be retrieved
features = [FaceAttributeTypeDetection01.HEAD_POSE,
            FaceAttributeTypeDetection01.OCCLUSION,
            FaceAttributeTypeDetection01.ACCESSORIES]

# Use client to detect faces in an image
with open("<IMAGE_FILE_PATH>", mode="rb") as image_data:
    detected_faces = face_client.detect(
        image_content=image_data.read(),
        detection_model=FaceDetectionModel.DETECTION01,
        recognition_model=FaceRecognitionModel.RECOGNITION01,
        return_face_id=True,
        return_face_attributes=features,
    )

// Specify facial features to be retrieved
FaceAttributeType[] features = new FaceAttributeType[]
{
    FaceAttributeType.Detection01.HeadPose,
    FaceAttributeType.Detection01.Occlusion,
    FaceAttributeType.Detection01.Accessories
};

// Use client to detect faces in an image
using (var imageData = File.OpenRead(imageFile))
{    
    var response = await faceClient.DetectAsync(
        BinaryData.FromStream(imageData),
        FaceDetectionModel.Detection01,
        FaceRecognitionModel.Recognition01,
        returnFaceId: false,
        returnFaceAttributes: features);
    IReadOnlyList<FaceDetectionResult> detected_faces = response.Value;
}

Die Antwort des Diensts hängt von folgenden Faktoren ab:

• Die angeforderten modellspezifischen Merkmale.
• Die Anzahl der im Bild erkannten Gesichter.

Eine Antwort auf ein Bild, das ein einzelnes Gesicht enthält, sieht möglicherweise ähnlich wie im folgenden Beispiel aus:

[
    {
        'faceRectangle': {'top': 174, 'left': 247, 'width': 246, 'height': 246}
        'faceAttributes':
        {
            'headPose':{'pitch': 3.7, 'roll': -7.7, 'yaw': -20.9},
            'accessories':
                [
                    {'type': 'glasses', 'confidence': 1.0}
                ],
            'occlusion':{'foreheadOccluded': False, 'eyeOccluded': False, 'mouthOccluded': False}
        }
    }
]