2025 年用于人脸检测和识别的 Azure AI Vision 是什么？完整的分析指南。

在当今的技术领域，人工智能正在重塑各行各业，而人脸识别则是其中一项突出的应用。Microsoft Azure AI Vision 为人脸检测、分析和识别提供了一套强大的工具。本指南探讨了 Azure 人脸识别服务的功能、优势和负责任的实施，为有效利用这项技术提供了知识。

要点

掌握 Azure AI Vision 人脸 API 的核心功能。

区分一般图像分析和专业人脸分析服务。

回顾人脸检测、分析和识别的实际应用。

理解负责任的人工智能原则的关键作用。

了解人脸识别系统中数据隐私和安全的关键因素。

了解 Microsoft 针对特定面部功能的限制访问政策。

探索人脸检测返回的参数。

使用 Azure AI Vision 在应用程序中实施人脸检测。

了解 Azure AI Vision 人脸服务

图像分析与人脸服务：主要区别

Azure AI Vision 提供图像分析和专用人脸服务，每种服务都能满足不同的需求。选择正确的工具取决于了解它们的不同用途。图像分析侧重于一般对象检测，如识别场景中的人物，通常提供基本位置数据，如边界框。

相反，人脸服务则提供更深入的检测。它可以检测人脸，然后分析详细属性，如头部姿势、身份识别、面部地标和识别潜力。这项服务提供了超越简单定位的更深层次理解。

在部署面部服务之前，必须了解并遵守有关数据隐私、安全和公平的负责任人工智能原则。

人脸检测、分析和识别的选项

Azure AI Vision 中的人脸服务提供了多个选项，可满足不同的要求。

以下是概述：

• 人脸检测：在图像中定位人脸的基本功能，为每个人脸周围的边界框提供坐标。
• 综合面部特征分析：在检测的基础上检查各种属性，包括
  • 头部姿势：估计头部的方向。
  • 识别：将检测到的人脸与已知数据库进行匹配。
  • 地标：确定关键的面部特征，如眼睛、鼻子和嘴巴。
  • 识别：识别图像中的个人。
  • 属性：其他细节，如是否戴眼镜或口罩。
• 人脸对比和识别：该功能可对人脸进行比较，以确定它们是否属于同一个人，这对身份验证至关重要。
• 面部识别：用于从数据库中唯一识别个人。出于负责任人工智能的考虑，这项强大的功能需要注册并获得微软的批准。

负责任的人工智能：

人脸检测和人脸识别的

利用人工智能进行面部分析需要承担重大的道德责任。面部数据是高度个人化的数据，其滥用可能导致严重后果。主要考虑因素包括

• 数据隐私与安全：系统必须保护个人隐私。

  必须严格控制对个人身份信息的访问。

• 透明度：应明确告知用户他们的图像将如何使用，以及谁可以访问这些数据。
• 公平性和包容性：人脸识别技术的应用不得带有偏见，也不得基于外貌不公平地针对个人。
• 有限访问政策：由于这些敏感性，面部识别、身份验证和对比功能受 Microsoft 限制访问政策的约束。使用这些功能需要一个经过批准的应用程序，以证明对负责任的人工智能的承诺。
• 向微软申请：您必须提交申请；这些高级功能只有在 Microsoft 审查和批准后才能使用。
• 数据隐私：任何处理面部数据的系统都必须保护个人隐私。

遵守这些原则可确保合乎道德和法律地使用 Azure 的人脸服务，保护个人权利。

人脸服务的功能

Azure AI 人脸服务的功能

Azure AI 的人脸服务是其计算机视觉套件的一个重要组成部分，使开发人员能够将高级面部分析集成到应用程序中。

这项技术超越了基本的检测功能，可为特定用例提供一整套功能。核心功能包括

• 人脸检测：在图像或视频流中准确定位人脸。
• 人脸属性分析：提取详细信息，如估计年龄、性别、情绪状态和眼镜等配饰。
• 面部地标定位：识别关键面部特征的精确坐标，用于对齐或增强现实。
• 面部对比：评估两张脸的相似度，用于身份验证和安全。
• 人脸识别和鉴定：将检测到的人脸与数据库进行匹配，以实现个性化体验或访问控制。
• 人脸真实性：验证检测到的人脸是否来自真人，以防止欺骗。

将人脸检测与 Azure AI Vision 相结合

提出人脸检测请求

一旦访问了人脸 API，将检测集成到应用程序中就变得简单易行了。核心流程包括将图像发送到人脸端点进行分析。以下是一个简化的工作流程：

1. 使用面部端点：在 API 请求中指定 "面孔 "功能。

2. 构建

   请求：请求体应包含要分析的图像的 URL。
3. 接收响应：API 会返回一个 JSON 对象，其中包含每个检测到的面孔的详细信息，包括唯一 ID 和边界矩形。

示例请求格式如下

{"url"："path-to-image"}。

API 响应会提供包含人脸详细信息的 JSON 输出：

{"faceId"："c5ca82-6845-4d31-9d78-df9175426","recognitionModel":"recognition_03", "faceRectangle"：{"宽度"：78, "height"：78, "left"：394, "top"：54}, "faceLandmarks"：{"瞳孔左侧"：{"x":412.7, "y":78.4}, "pupilRight"：{"x":446.8, "y":74.2},}}

请注意 "faceID"、"recognitionModel"、"faceRectangle "和 "faceLandmarks "等数据点。

下表解释了 JSON 输出中的关键参数：

定价

定价细节

由于此处未涉及具体定价，请参阅 Azure 官方网站或 Azure 定价计算器，了解最新、最详细的成本信息。

Azure AI 视觉人脸识别服务的优缺点

优点

深入的面部分析：提供超越单纯检测的详细见解。

Azure 生态系统集成：可与其他 Azure 服务和工具无缝协作。

可扩展性和可靠性：利用 Azure 强大的云基础设施。

负责任的人工智能

优势

共识

有限访问政策：某些高级功能需要微软批准。

成本：费用会随着交易量的增加而增加。

复杂性：需要熟悉人工智能概念和 Azure 服务。

数据隐私问题：需要严格遵守隐私和安全协议。

有关 Azure AI 视觉人脸检测的常见问题

Azure AI Vision 中的图像分析和人脸服务有什么区别？

图像分析可执行一般对象检测，提供人的基本位置数据。面部服务提供全面的面部分析，包括头部姿势、地标和识别能力等属性。

为什么使用面部识别需要获得微软的批准？

面部识别涉及敏感的个人数据，需要采取严格的隐私和安全措施。微软的审批流程有助于确保负责任地使用人工智能并防止潜在的滥用。

在使用面部识别时，负责任的人工智能有哪些主要考虑因素？

主要考虑因素包括确保数据隐私和安全、保持对用户的透明度、维护公平性和包容性，以及遵守微软的有限访问政策。

面部属性分析会产生什么样的数据？

人脸属性分析可以生成头部姿势、眼镜、曝光、噪声和遮挡等数据点。

关于 Azure AI 和人脸检测的相关问题

Azure 还提供哪些其他人工智能服务？

Azure 提供广泛的人工智能服务组合，包括用于开发和部署 ML 模型的 Azure Machine Learning；具有预建视觉、语音和语言模型的 Azure Cognitive Services；用于构建智能机器人的 Azure Bot Service；用于数据科学和分析的 Azure Databricks；以及用于人工智能增强搜索结果的 Azure AI Search。这些服务为在各种应用中集成人工智能提供了强大的工具。