了解 Azure 视觉的人脸服务功能

作为 Azure 视觉中的产品， Azure AI 人脸 支持特定用例，例如验证用户标识、实时检测、无接触访问控制和人脸修订。 一些概念（包括人脸检测和识别）对于使用人脸至关重要。

面部检测

人脸检测涉及到识别包含人脸的图像区域，通常通过返回范围框坐标来形成以人脸为中心的矩形，如下所示：

借助人脸，面部特征可用于训练机器学习模型以返回其他信息，例如鼻子、眼睛、眉毛、嘴唇等面部特征。

面部识别

面部分析的进一步应用是训练机器学习模型，从面部特征中识别已知个体。 这称为面部识别，使用个人的多张图像来训练模型。 这样训练模型的目的是让它可以在未参与训练的新图像中检测到这些个人。

如果以负责任的方式使用，则面部识别是一项重要且有用的技术，可以提高效率、安全性和客户体验。

Azure AI 人脸服务功能

Azure AI 人脸服务可以返回在图像中找到的任何人脸的矩形坐标，以及一系列相关属性：

• 配饰：指示给定的人脸是否有配饰。 此属性会返回可能的配饰，包括头饰、眼镜和口罩，每个配饰的置信度分数介于 0 到 1 之间。
• 模糊：人脸的模糊程度，可以表示人脸成为图像主焦点的可能性有多大。
• 曝光：例如图像是曝光不足还是曝光过度。 此项适用于图像中的人脸，不适用于整体图像曝光。
• 眼镜：人员是否戴着眼镜。
• 头部姿势：人脸在三维空间中的方向。
• 口罩：指示人员是否戴着口罩。
• 噪声：指的是图像中的视觉噪声。 如果你在暗光环境中使用高 ISO 设置拍摄照片，你会注意到图像中出现噪点。 图像看起来有纹理或遍布小点，使图像变得模糊。
• 遮挡：确定是否有物体遮挡图像中的人脸。
• 质量识别等级：用于反映图像是否足以尝试人脸识别的评级，分为高、中或低。

负责任 AI 使用

任何人都可以使用人脸服务：

• 检测人脸在图像中的位置。
• 确定人员是否佩戴眼镜。
• 确定是否有任何人脸被遮挡、模糊、受干扰或曝光过度/曝光不足。
• 返回图像中每个人脸的头部姿势坐标。

有限的访问权限策略要求客户提交登记表以访问额外的 Azure AI 人脸服务功能，包括：

• 人脸验证：能够比较人脸的相似性。
• 人脸识别：能够识别图像中的指定的人。
• 运行情况检测：能够检测和缓解定期内容和/或行为中指示策略违规（例如，输入视频流是否真实或虚假）的实例。

接下来，让我们看看如何开始使用 Azure 视觉。