什么是 Azure AI 人脸服务？

项目
09/03/2024
Azure AI 人脸服务提供了可检测、识别和分析图像中的人脸的 AI 算法。面部识别软件在许多方案中都很重要，例如标识、无接触访问控制和加强隐私的自动人脸模糊。

你可以通过客户端库 SDK，或者直接调用 REST API 使用人脸服务。按快速入门的说明开始使用。

或者，你可以使用 Vision Studio 快速轻松地在浏览器中试用人脸服务的功能。

试用 Vision Studio for Face

为了支持我们负责任的 AI 原则，基于资格和使用标准对人脸服务访问进行限制。人脸服务仅适用于 Microsoft 托管客户和合作伙伴。使用人脸识别引入表单来申请访问。有关详细信息，请参阅人脸受限访问页面。

如果使用 Microsoft 产品或服务处理生物识别数据，则需负责以下事项：(i) 向数据主体提供通知，包括有关保留期和销毁的通知；(ii) 从数据主体处获得同意；(iii) 根据适用的数据保护要求删除生物识别数据。 “生物识别数据”将具有 GDPR 第 4 条中所述的含义，以及其他数据保护要求中的等效术语（如果适用）。如需相关信息，请参阅人脸的数据和隐私。

本文档包含以下类型的文章：
快速入门是分步说明，可按照其调用服务，并在短时间内获得结果。
操作指南包含以更具体的方式或自定义方式使用服务的说明。
概念性文章对服务的功能和特性进行了深入说明。
教程是较长的指南，向你演示了如何在更广泛的业务解决方案中使用此服务作为组件。

如果需要更加结构化的方法，请遵循适用于人脸识别的培训模块。

使用人脸服务检测和分析人脸

示例用例：

下面是人脸服务的常见用例：

验证用户标识：根据受信任的人脸图像验证人员。此验证可用于授予对数字或物理财产的访问权限，如银行帐户、建筑物访问权限等。在大多数情况下，受信任的人脸图像可能来自政府颁发的身份证件（如护照或驾照），也可以来自亲自拍摄的注册照片。在验证期间，活体检测在验证图像是否来自真人而不是打印的照片或面具方面起着关键作用。有关活体验证的更多详细信息，请参阅活体教程。有关非活体身份验证，请按照快速入门操作。

活体检测 ：活体检测是一种反欺骗功能，用于检查用户本人是否真实出现在相机前。它可用于防止使用打印的照片、录制的视频或用户面部的 3D 面具进行欺骗攻击。活体教程

非接触式访问控制：与如今的卡片或票证等方法相比，选择性人脸识别能够增强访问控制体验，同时降低因卡片共享、丢失或盗窃而带来的卫生和安全风险。人脸识别可以帮助在机场、体育场馆、主题公园、建筑物或者办公室、医院、健身房、俱乐部或学校的接待亭进行人工值机。

人脸编修：编辑或模糊视频中录制的检测到的人脸，以保护其隐私。

有关面部识别技术的工作示例，请参阅 GitHub 上的客户签入管理和人脸照片标记场景。

2020 年 6 月 11 日，Microsoft 宣布在以人权为基础的强有力的法规颁布之前，将不向美国的警察局出售人脸识别技术。同样地，如果客户是美国警察局、由美国警察局准许使用或针对美国警察局使用 Azure 服务，则这些客户不得使用这类服务中包含的人脸识别特性或功能（例如人脸或视频索引器）。创建新的人脸资源时，必须在 Azure 门户中确认并同意将不会由美国警察局使用该服务或是为美国警察局使用该服务，并且已查看了负责任的 AI 文档，将根据它使用此服务。

人脸检测和分析

在所有其他情况下，需要将人脸检测作为第一步。检测 API 可以检测图像中的人脸，并返回其位置的矩形坐标。它还返回一个表示存储的人脸数据的唯一 ID。该 ID 将在以后的操作中用于识别或验证人脸。

人脸检测还可提取一组人脸相关属性，例如头部姿势、年龄、情绪、面部毛发和眼镜。这些属性是一般预测，而不是实际分类。某些属性可用于确保在用户将自己添加到人脸服务时，应用程序获得高质量的人脸数据。例如，如果用户戴着太阳镜，应用程序可以建议用户取下太阳镜。

Microsoft 已停用或限制面部识别功能，这些功能可用于尝试推断情感状态和标识属性，如果滥用，可能会使人们遭受刻板印象、歧视或受到不公平的拒绝服务攻击。已停用的功能包括情感和性别识别。受限的功能包括年龄、微笑、面部毛发、头发和化妆识别。如果在某个负责任用例中，使用任何受限功能对你有益，请向 Azure 人脸团队部门发送电子邮件。在此处阅读有关此决定的更多信息。

有关人脸检测和分析的详细信息，请参阅人脸检测概念文章。另请参阅检测 API 参考文档。

可以使用 Vision Studio 在浏览器中快速轻松地试用人脸检测。

试用 Vision Studio for Face

用于活体的人脸客户端 SDK 是一项门控功能。你必须填写人脸识别登记表来请求访问活体功能。当你的 Azure 订阅获得访问权限后，你可以下载人脸活体 SDK。

人脸活体检测可用于确定输入视频流中的人脸是真实的（活的）还是虚假的（欺骗性的）。这是生物特征身份验证系统中的一个重要组成部分，可防止冒名顶替者试图使用照片、视频、面具或其他方式冒充他人来访问系统，从而发动欺骗攻击。

活体检测的目标是确保系统在身份验证时与实际存在的活人进行交互。随着数字金融、远程访问控制和在线身份验证流程的兴起，此类系统变得越来越重要。

活体检测解决方案可以成功防御各种欺骗类型，包括纸质打印输出、2D/3D 面具以及手机和笔记本电脑上的欺骗演示。活体检测是一个活跃的研究领域，随着时间的推移，人们不断对其进行改进以应对日益复杂的欺骗攻击。随着整体解决方案对新型攻击的防御变得越来越强大，我们也会不断向客户端和服务组件推出持续改进。

我们的活体检测解决方案符合 iBeta 的 1 级和 2 级 ISO/IEC 30107-3 合规性。

人脸活体教程概念

人脸活体 SDK 参考文档：

Java (Android)

Swift (iOS)

JavaScript (Web)

人脸识别操作

现代企业和应用可以使用人脸识别技术，包括人脸验证（“一对一”匹配）和人脸识别（“一对多”匹配）来确认用户身份。

人脸识别可解决图像中一张人脸与安全存储库中一组人脸的“一对多”匹配问题。根据其人脸数据与查询人脸的匹配程度，返回匹配候选项。此方案用于向对某组人员授予建筑物或机场进出权限或验证设备的用户。

下图显示名为 "myfriends" 的数据库的示例。每个组最多可以包含 100 万个不同的 person 对象。每个人员对象可以注册最多 248 张人脸。

创建并训练一个组后，可以对组使用新检测到的人脸执行识别。如果人脸被标识为组中的某一人员，则返回该人员对象。

验证操作会回答问题“这两个人脸是否属于同一人？”。

验证也是将图像中的人脸与安全存储库或照片中的一张人脸进行“一对一”匹配，以验证他们是否是同一个人。验证可用于访问控制，例如银行应用可让用户拍摄自己的新照片并将其与身份证件照片一起发送，以远程开立信用帐户。还可用作标识 API 调用结果的最终检查。

有关人脸识别的详细信息，请参阅人脸识别概念指南或识别和验证 API 参考文档。

查找相似人脸

查找相似人脸操作会在目标人脸和一组候选人脸之间进行人脸匹配，找出与目标人脸相似的一小组人脸。这对于按图像进行人脸搜索很有用。

该服务支持两种工作模式：matchPerson 和 matchFace 。使用验证 API 针对同一人进行筛选后，matchPerson 模式会返回相似人脸。 matchFace 模式会忽略同一人筛选器。它返回相似候选人脸的列表，这些人脸不一定属于同一人。

以下示例显示了目标人脸：

这些图像是候选人脸：

为了查找四张相似人脸，matchPerson 模式会返回 A 和 B，它们与目标人脸显示的是同一个人。 matchFace 模式返回 A、B、C、D，恰好四个候选项，即使某些选项与目标不是同一人或者相似度低，也是如此。有关详细信息，请参阅查找类似的 API 参考文档。

对人脸分组

组操作会基于相似性将未知人脸的集合分为几个较小的组。每个组是原始人脸集合的互不相交真子集。它还返回单个“messyGroup”数组，其中包含未找到相似性的人脸 ID。

返回的一个组中的所有人脸可能属于同一人，但一个人可能有多个不同的组。这些组按其他因素（例如表情）区分。有关详细信息，请参阅组 API 参考文档。

常规图像输入要求：

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。

人脸检测输入要求：

在不大于 1920 x 1080 像素的图像中，最小可检测人脸大小是 36 x 36 像素。在大于 1920 x 1080 像素的图像中，最小人脸大小相应更大。缩小人脸大小可能会导致无法检测到某些人脸，即便它们大于可检测的人脸大小下限。

最大可检测人脸大小为 4096 x 4096 像素。

大小在 36 x 36 至 4096 x 4096 像素大小范围之外的人脸将不会被检测到。

人脸识别输入要求：

由于照片合成，某些人脸可能无法识别，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。

数据隐私和安全性

与所有 Azure AI 服务资源一样，使用人脸服务的开发人员必须了解 Microsoft 关于客户数据的策略。有关详细信息，请参阅 Microsoft 信任中心内的 “Azure AI 服务”页。

按照快速入门中的说明，使用所选语言对人脸识别应用的基本组件进行编码。