相关文章推荐
踏实的移动电源  ·  Spring Batch ...·  1 年前    · 
傻傻的饺子  ·  #error : WinSock.h ...·  2 年前    · 
不羁的仙人掌  ·  TextField ...·  2 年前    · 
小百科  ›  人脸属性识别功能介绍及使用方法_视觉智能开放平台(VIAPI)-阿里云 ...
人脸识别 概率计算 开放平台
帅呆的汉堡包
6 月前

人脸属性识别能力可以识别检测人脸的性别、年龄、表情、眼镜、帽子五种属性，支持人脸遮挡、光照、模糊度、姿态、噪声综合质量评分，支持检测含有多张人脸的照片属性判断。

  • 您可以进入 在线咨询 获取在线人工帮助。
  • 当前能力可在视觉智能开放平台有完整的免费产品体验，您可以单击 立即试用 对该能力进行更直观试用以及在线购买。
  • 阿里云视觉智能开放平台视觉 AI 能力 API 接入、接口使用或问题咨询等，请通过钉钉群（23109592）加入阿里云视觉智能开放平台咨询群联系我们。

    • 1. 注册阿里云账号：打开 阿里云官网 ，在阿里云官网右上角，单击 立即注册 ，按照操作提示完成账号注册。

    2. 开通能力：请确保您已开通 人脸人体服务 ，若未开通服务请 立即开通 。

    说明 本能力支持企业或个人认证用户开通。更多实名认证操作信息，请参见 实名认证 。

    3. 创建 AccessKey：请确保您已 创建 AccessKey ，如果您使用的是子账号 AccessKey，您需要给子账号赋予 AliyunVIAPIFullAccess 权限，具体操作，请参见 RAM 授权 。

    4. 在线调试（可选）：您可以通过 OpenAPI Explorer 在线调试能力，查看完整的调用示例代码及 SDK 依赖信息，也可以下载完整的工程。

    5. 开发接入步骤：

  • 在 SDK 总览 中选择您要接入使用的 SDK 语言。
  • 在对应语言的 SDK 文档中找到 AI 类目为人脸人体（facebody）的 SDK 包进行安装。
  • 参考文档中提供的示例代码进行适当修改后调用。

    • 6. 示例代码：该能力常用语言的示例代码，请参见 人脸属性识别示例代码 。

    7. 客户端直接调用：该能力常用的客户端调用方式包括以下几种。

  • Web 前端直接调用
  • 小程序场景下直接调用
  • Android 端直接调用
  • iOS 端直接调用
  • 图像格式：JPEG、JPG、PNG、BMP。
  • 图像大小：不超过 20 MB。
  • 图像分辨率：大于 32×32 像素，小于 4096×4096 像素，人脸占比不低于 64×64 像素。
  • URL 地址中不能包含中文字符。
    • 说明 当图像分辨率超过最大限制时，请先将图片进行缩放，调整图片大小，具体请参见 图片缩放 。

    关于人脸属性识别的计费方式及报价，请参见 计费介绍 。

    说明 下方调试接口为付费接口，如需免费体验调试请前往 体验中心 。

    您可以在 OpenAPI Explorer 中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer 可以自动生成 SDK 代码示例。

    http://viapi-test.oss-cn-shanghai.aliyuncs.com/viapi-3.0domepic/facebody/RecognizeFace/RecognizeFace1.png

    图像 URL 地址。推荐使用上海地域的 OSS 链接，对于文件在本地或者非上海地域 OSS 链接的情况，请参见 文件 URL 处理 。

  • 推荐新版本调用方式为只输入图片，当只传入 ImageURL 的时候所有接口数据都会返回，新版本支持返回最多 10 张人脸的数据。
  • 兼容老版本接口对布尔值入参和 MaxFaceNumber 的支持逻辑，当传入任意一个支持的布尔值入参或 MaxFaceNumber 以控制返回的数据时，只会返回设置了布尔值入参且为 true 的数据，这种调用方式不返回布尔值入参支持范围外的数据（Landmarks，LandmarkCount，PoseList，Pupils）。
    • DenseFeatures Array of String [-0.04283177852630615, 0.01496131718158722, 0.08304227143526077, -0.006072732154279947, -0.012721054255962372, -0.024241730570793152, -0.03138406202197075, 0.006191537249833345, 0.017898650839924812, -0.03185232728719711, -0.02717948891222477, 0.028409384191036224, -0.03557640686631203, -0.02255111373960972, -0.030578967183828354, 0.011586467735469341, -0.005520580802112818, -0.0061850580386817455, -0.023915085941553116, 0.014204374514520168]

    人脸识别返回的特征。如有多个人脸，则依次返回。

    说明 由于版本升级，该字段废弃，返回数据无实际意义。
    FaceCount Integer

    检测出来的人脸个数。

    Landmarks Array of Float [371.31,170.54,421.14,162.72,395.33,156.36,396.06,167.71,377.92,164.47,386.19,158.26,404.89,156.61,413.89,157.87,378.82,171,387.24,168.73,404.84,167.34,413.57,167.26,458.27,159.5,521.24,165.59,490.58,......]

    人脸的特征点定位结果，每个人脸返回一组特征点位置，表示方式为 （x0, y0, x1, y1, ……） 。如有多个人脸，则依次返回，返回定位浮点数。

    LandmarkCount Integer

    人脸检测的特征点数目，目前固定为 105 点。依次为：眉毛 24 点，眼睛 32 点，鼻子 6 点，嘴巴 34 点，外轮廓 9 点。

    Qualities Object

    人脸质量情况，分数越高表示越有利于识别。

    ScoreList Array of Float 87.47

    质量综合分数，分数越高越有利于识别，取值范围(0,100]。如有多张人脸，则依次返回。在识别时，推荐设置阈值大于等于 85（您可以按实际应用场景判断设置阈值与否及相应阈值大小），大于 85 代表图片综合质量越高，小于 85 代表图片综合质量越低。

    BlurList Array of Float 99.99

    人脸模糊度对识别的影响分数，分数越高越有利于识别，取值范围(0,100]。如有多个人脸，则依次顺延。在识别时，推荐设置阈值大于等于 85（您可以按实际应用场景判断设置阈值与否及相应阈值大小），大于 85 代表图片模糊的概率越低，小于 85 代表图片模糊的概率越高。

    FnfList Array of Float

    目标是否为人脸及其对识别的影响分数，分数越高越有利于识别，取值范围(0,100]。如有多个人脸，则依次顺延。在识别时，推荐设置阈值大于等于 85（您可以按实际应用场景判断设置阈值与否及相应阈值大小），大于 85 代表图片是人脸的概率越高，小于 85 代表图片不是人脸的概率越低。

    GlassList Array of Float 97.59

    眼镜等上半脸遮挡对识别的影响分数，分数越高越有利于识别，取值范围(0,100]。如有多个人脸，则依次顺延。在识别时，推荐设置阈值大于等于 85（您可以按实际应用场景判断设置阈值与否及相应阈值大小），大于 85 代表戴眼镜的概率越低，小于 85 代表戴眼镜的概率越高。

    IlluList Array of Float 99.97

    光照对识别的影响分数，分数越高越有利于识别，取值范围(0,100]。如有多个人脸，则依次顺延。在识别时，推荐设置阈值大于等于 85（您可以按实际应用场景判断设置阈值与否及相应阈值大小），大于 85 代表图片光照好的概率越高，小于 85 代表图片光照好的概率越低。

    MaskList Array of Float 93.33

    口罩等下半脸遮挡对识别的影响分数，分数越高越有利于识别，取值范围(0,100]。如有多个人脸，则依次顺延。在识别时，推荐设置阈值大于等于 85（您可以按实际应用场景判断设置阈值与否及相应阈值大小），大于 85 代表戴口罩概率越低，小于 85 代表戴口罩概率越高。

    NoiseList Array of Float 99.73

    图片噪声对识别的影响分数，分数越高越有利于识别，取值范围(0,100]。如有多个人脸，则依次顺延。在识别时，推荐设置阈值大于等于 85（您可以按实际应用场景判断设置阈值与否及相应阈值大小），大于 85 代表图片有噪声的概率越低，小于 85 代表图片有噪声的概率越高。

    PoseList Array of Float 11.57

    姿态对识别的影响分数，分数越高越有利于识别，取值范围(0,100]。如有多个人脸，则依次顺延。在识别时，推荐设置阈值大于等于 85（您可以按实际应用场景判断设置阈值与否及相应阈值大小），大于 85 代表人脸姿态正面的概率越高，小于 85 代表人脸姿态正面的概率越低。

    BeautyList Array of Float

    颜值分数，分值越高颜值越高，取值范围(0-100]。

    HatList Array of Integer

    人脸是否佩戴帽子。

  • 0：无帽子
  • 1：有帽子
    • Array of Integer [356,84,211,278]

    返回人脸矩形框，分别是 [left, top, width, height] 。如有多个人脸，则依次顺延，返回矩形框。例如有两个人脸则返回 [left1, top1, width1, height1, left2, top2, width2, height2] 。

    left-top: 表示以图片左上角为坐标原点，目标框所对应的左上角点位置（x,y），表示框的第一个点距离图片左边界 x 像素，距离上边界 y 个像素。

    width-height：表示目标框的宽和高。

    目标框面积为 width*height，目标框右下角坐标为（left+width,top+height）。

    PoseList Array of Float [-12.7,7.48,0.12]

    返回人脸姿态，格式为 [yaw, pitch, roll] 。如有多个人脸，则依次返回。

  • yaw 为左右角度，取值范围-90~90。
  • pitch 为上下角度，取值范围-90~90。
  • roll 为平面旋转角度，取值范围-180~180。

    • SDK 参考

    阿里云视觉 AI 人脸人体类目下的人脸属性识别能力推荐使用 SDK 调用，支持多种编程语言，调用时请选择 AI 类目为人脸人体（facebody）的 SDK 包，文件参数通过 SDK 调用可支持本地文件及任意 URL，具体可参见 SDK 总览 。

    该能力常用语言的示例代码，请参见 人脸属性识别示例代码 。 

    http(s)://facebody.cn-shanghai.aliyuncs.com/?Action=RecognizeFace      //更多关于访问域名（Endpoint）信息，请参见：https://help.aliyun.com/document_detail/143103.html
&ImageURL=http://viapi-test.oss-cn-shanghai.aliyuncs.com/viapi-3.0domepic/facebody/RecognizeFace/RecognizeFace1.png
&Age=false
&Gender=false
&Hat=false
&Glass=false
&Beauty=false
&Expression=false
&Mask=false
&Quality=false
&MaxFaceNumber=1
&公共请求参数

    正常返回示例

    XML 格式 

    HTTP/1.1 200 OK
Content-Type:application/xml
<RecognizeFaceResponse>
    <RequestId>8251C88E-8273-4DBF-94FB-A6BCB268CEA2</RequestId>
        <Pupils>397.06</Pupils>
        <Pupils>183.99</Pupils>
        <Pupils>7.87</Pupils>
        <Pupils>487.49</Pupils>
        <Pupils>173.85</Pupils>
        <Pupils>7.87</Pupils>
        <GenderList>1</GenderList>
        <Expressions>0</Expressions>
        <DenseFeatures>[-0.04283177852630615, 0.01496131718158722, 0.08304227143526077, -0.006072732154279947, -0.012721054255962372, -0.024241730570793152, -0.03138406202197075, 0.006191537249833345, 0.017898650839924812, -0.03185232728719711, -0.02717948891222477, 0.028409384191036224, -0.03557640686631203, -0.02255111373960972, -0.030578967183828354, 0.011586467735469341, -0.005520580802112818, -0.0061850580386817455, -0.023915085941553116, 0.014204374514520168]</DenseFeatures>
        <FaceCount>1</FaceCount>
        <Landmarks>371.31</Landmarks>
        <Landmarks>170.54</Landmarks>
        <Landmarks>421.14</Landmarks>
        <Landmarks>162.72</Landmarks>
        <Landmarks>395.33</Landmarks>
        <Landmarks>156.36</Landmarks>
        <Landmarks>396.06</Landmarks>
        <Landmarks>167.71</Landmarks>
        <Landmarks>377.92</Landmarks>
        <Landmarks>164.47</Landmarks>
        <Landmarks>386.19</Landmarks>
        <Landmarks>158.26</Landmarks>
        <Landmarks>404.89</Landmarks>
        <Landmarks>156.61</Landmarks>
        <Landmarks>413.89</Landmarks>
        <Landmarks>157.87</Landmarks>
        <Landmarks>378.82</Landmarks>
        <Landmarks>171</Landmarks>
        <Landmarks>387.24</Landmarks>
        <Landmarks>168.73</Landmarks>
        <Landmarks>404.84</Landmarks>
        <Landmarks>167.34</Landmarks>
        <Landmarks>413.57</Landmarks>
        <Landmarks>167.26</Landmarks>
        <Landmarks>458.27</Landmarks>
        <Landmarks>159.5</Landmarks>
        <Landmarks>521.24</Landmarks>
        <Landmarks>165.59</Landmarks>
        <Landmarks>490.58</Landmarks>
        <Landmarks>150.77</Landmarks>
        <Landmarks>490.23</Landmarks>
        <Landmarks>162.28</Landmarks>
        <Landmarks>467.51</Landmarks>
        <Landmarks>153.1</Landmarks>
        <Landmarks>479.01</Landmarks>
        <Landmarks>151.32</Landmarks>
        <Landmarks>502.02</Landmarks>
        <Landmarks>153.2</Landmarks>
        <Landmarks>513.06</Landmarks>
        <Landmarks>159.78</Landmarks>
        <Landmarks>468</Landmarks>
        <Landmarks>163.52</Landmarks>
        <Landmarks>478.98</Landmarks>
        <Landmarks>162.32</Landmarks>
        <Landmarks>501.41</Landmarks>
        <Landmarks>163.93</Landmarks>
        <Landmarks>512.07</Landmarks>
        <Landmarks>166.6</Landmarks>
        <Landmarks>381.98</Landmarks>
        <Landmarks>187.97</Landmarks>
        <Landmarks>419.4</Landmarks>
        <Landmarks>184.68</Landmarks>
        <Landmarks>386.29</Landmarks>
        <Landmarks>184.05</Landmarks>
        <Landmarks>389.33</Landmarks>
        <Landmarks>180.31</Landmarks>
        <Landmarks>394.56</Landmarks>
        <Landmarks>178.97</Landmarks>
        <Landmarks>398.93</Landmarks>
        <Landmarks>176.7</Landmarks>
        <Landmarks>404.67</Landmarks>
        <Landmarks>178.01</Landmarks>
        <Landmarks>410.16</Landmarks>
        <Landmarks>178.29</Landmarks>
        <Landmarks>414.64</Landmarks>
        <Landmarks>181.61</Landmarks>
        <Landmarks>386.62</Landmarks>
        <Landmarks>188.63</Landmarks>
        <Landmarks>390.22</Landmarks>
        <Landmarks>189.61</Landmarks>
        <Landmarks>395.06</Landmarks>
        <Landmarks>189.65</Landmarks>
        <Landmarks>399.35</Landmarks>
        <Landmarks>189.78</Landmarks>
        <Landmarks>404.47</Landmarks>
        <Landmarks>188.86</Landmarks>
        <Landmarks>409.6</Landmarks>
        <Landmarks>187.94</Landmarks>
        <Landmarks>414.35</Landmarks>
        <Landmarks>186.47</Landmarks>
        <Landmarks>467.88</Landmarks>
        <Landmarks>180.89</Landmarks>
        <Landmarks>509.45</Landmarks>
        <Landmarks>179.81</Landmarks>
        <Landmarks>472.7</Landmarks>
        <Landmarks>177.13</Landmarks>
        <Landmarks>476.94</Landmarks>
        <Landmarks>173.17</Landmarks>
        <Landmarks>483.16</Landmarks>
        <Landmarks>172.02</Landmarks>
        <Landmarks>488.5</Landmarks>
        <Landmarks>170.41</Landmarks>
        <Landmarks>494.14</Landmarks>
        <Landmarks>172.17</Landmarks>
        <Landmarks>499.85</Landmarks>
        <Landmarks>173.15</Landmarks>
        <Landmarks>504.05</Landmarks>
        <Landmarks>176.58</Landmarks>
        <Landmarks>473.23</Landmarks>
        <Landmarks>182.31</Landmarks>
        <Landmarks>478.06</Landmarks>
        <Landmarks>183.11</Landmarks>
        <Landmarks>483.77</Landmarks>
        <Landmarks>183.5</Landmarks>
        <Landmarks>488.64</Landmarks>
        <Landmarks>183.77</Landmarks>
        <Landmarks>493.94</Landmarks>
        <Landmarks>183.26</Landmarks>
        <Landmarks>499.41</Landmarks>
        <Landmarks>182.57</Landmarks>
        <Landmarks>503.69</Landmarks>
        <Landmarks>181.14</Landmarks>
        <Landmarks>437.26</Landmarks>
        <Landmarks>181.67</Landmarks>
        <Landmarks>430.77</Landmarks>
        <Landmarks>225.48</Landmarks>
        <Landmarks>434.38</Landmarks>
        <Landmarks>203.34</Landmarks>
        <Landmarks>435.09</Landmarks>
        <Landmarks>245.37</Landmarks>
        <Landmarks>414.99</Landmarks>
        <Landmarks>243.56</Landmarks>
        <Landmarks>463.03</Landmarks>
        <Landmarks>241.47</Landmarks>
        <Landmarks>402.97</Landmarks>
        <Landmarks>282.43</Landmarks>
        <Landmarks>487.32</Landmarks>
        <Landmarks>279.44</Landmarks>
        <Landmarks>404.76</Landmarks>
        <Landmarks>282.21</Landmarks>
        <Landmarks>484.51</Landmarks>
        <Landmarks>279.63</Landmarks>
        <Landmarks>436.81</Landmarks>
        <Landmarks>269.19</Landmarks>
        <Landmarks>428.83</Landmarks>
        <Landmarks>269.46</Landmarks>
        <Landmarks>444.9</Landmarks>
        <Landmarks>269.87</Landmarks>
        <Landmarks>414.07</Landmarks>
        <Landmarks>273.42</Landmarks>
        <Landmarks>466.73</Landmarks>
        <Landmarks>272.4</Landmarks>
        <Landmarks>407.94</Landmarks>
        <Landmarks>277.81</Landmarks>
        <Landmarks>421.38</Landmarks>
        <Landmarks>271.38</Landmarks>
        <Landmarks>455.7</Landmarks>
        <Landmarks>271</Landmarks>
        <Landmarks>477.47</Landmarks>
        <Landmarks>276.08</Landmarks>
        <Landmarks>437.71</Landmarks>
        <Landmarks>290.09</Landmarks>
        <Landmarks>417.1</Landmarks>
        <Landmarks>288.03</Landmarks>
        <Landmarks>464.19</Landmarks>
        <Landmarks>286.36</Landmarks>
        <Landmarks>409.84</Landmarks>
        <Landmarks>284.75</Landmarks>
        <Landmarks>427.92</Landmarks>
        <Landmarks>288.61</Landmarks>
        <Landmarks>450.74</Landmarks>
        <Landmarks>287.81</Landmarks>
        <Landmarks>475.9</Landmarks>
        <Landmarks>282.68</Landmarks>
        <Landmarks>437.36</Landmarks>
        <Landmarks>278.04</Landmarks>
        <Landmarks>437.64</Landmarks>
        <Landmarks>277.63</Landmarks>
        <Landmarks>420.34</Landmarks>
        <Landmarks>278.65</Landmarks>
        <Landmarks>420.04</Landmarks>
        <Landmarks>278.69</Landmarks>
        <Landmarks>460.92</Landmarks>
        <Landmarks>277.64</Landmarks>
        <Landmarks>461.01</Landmarks>
        <Landmarks>277.22</Landmarks>
        <Landmarks>412.68</Landmarks>
        <Landmarks>280.41</Landmarks>
        <Landmarks>412.5</Landmarks>
        <Landmarks>279.99</Landmarks>
        <Landmarks>429.06</Landmarks>
        <Landmarks>278.19</Landmarks>
        <Landmarks>429.05</Landmarks>
        <Landmarks>277.65</Landmarks>
        <Landmarks>448.83</Landmarks>
        <Landmarks>277.82</Landmarks>
        <Landmarks>449.13</Landmarks>
        <Landmarks>276.93</Landmarks>
        <Landmarks>472.58</Landmarks>
        <Landmarks>278.55</Landmarks>
        <Landmarks>472.59</Landmarks>
        <Landmarks>278.16</Landmarks>
        <Landmarks>365.8</Landmarks>
        <Landmarks>192</Landmarks>
        <Landmarks>566.18</Landmarks>
        <Landmarks>185.68</Landmarks>
        <Landmarks>440.54</Landmarks>
        <Landmarks>352.94</Landmarks>
        <Landmarks>372.84</Landmarks>
        <Landmarks>289.96</Landmarks>
        <Landmarks>548.44</Landmarks>
        <Landmarks>300.96</Landmarks>
        <Landmarks>364.88</Landmarks>
        <Landmarks>240.03</Landmarks>
        <Landmarks>565.1</Landmarks>
        <Landmarks>243.91</Landmarks>
        <Landmarks>397.45</Landmarks>
        <Landmarks>334.16</Landmarks>
        <Landmarks>501.07</Landmarks>
        <Landmarks>340.61</Landmarks>
        <LandmarkCount>105</LandmarkCount>
        <Qualities>
            <ScoreList>87.47</ScoreList>
            <BlurList>99.99</BlurList>
            <FnfList>100</FnfList>
            <GlassList>97.59</GlassList>
            <IlluList>99.97</IlluList>
            <MaskList>93.33</MaskList>
            <NoiseList>99.73</NoiseList>
            <PoseList>11.57</PoseList>
        </Qualities>
        <BeautyList>48</BeautyList>
        <HatList>0</HatList>
        <FaceProbabilityList>0.95</FaceProbabilityList>
        <Glasses>1</Glasses>
        <FaceRectangles>356</FaceRectangles>
        <FaceRectangles>84</FaceRectangles>
        <FaceRectangles>211</FaceRectangles>
        <FaceRectangles>278</FaceRectangles>
        <PoseList>-12.7</PoseList>
        <PoseList>7.48</PoseList>
        <PoseList>0.12</PoseList>
        <AgeList>57</AgeList>
        <DenseFeatureLength>1024</DenseFeatureLength>
        <Masks>0</Masks>
    </Data>
</RecognizeFaceResponse>

    JSON 格式 

    HTTP/1.1 200 OK
Content-Type:application/json
  "RequestId" : "8251C88E-8273-4DBF-94FB-A6BCB268CEA2",
  "Data" : {
    "Pupils" : [ 397.06, 183.99, 7.87, 487.49, 173.85, 7.87 ],
    "GenderList" : [ 1 ],
    "Expressions" : [ 0 ],
    "DenseFeatures" : [ "[-0.04283177852630615, 0.01496131718158722, 0.08304227143526077, -0.006072732154279947, -0.012721054255962372, -0.024241730570793152, -0.03138406202197075, 0.006191537249833345, 0.017898650839924812, -0.03185232728719711, -0.02717948891222477, 0.028409384191036224, -0.03557640686631203, -0.02255111373960972, -0.030578967183828354, 0.011586467735469341, -0.005520580802112818, -0.0061850580386817455, -0.023915085941553116, 0.014204374514520168]" ],
    "FaceCount" : 1,
    "Landmarks" : [ 371.31, 170.54, 421.14, 162.72, 395.33, 156.36, 396.06, 167.71, 377.92, 164.47, 386.19, 158.26, 404.89, 156.61, 413.89, 157.87, 378.82, 171, 387.24, 168.73, 404.84, 167.34, 413.57, 167.26, 458.27, 159.5, 521.24, 165.59, 490.58, 150.77, 490.23, 162.28, 467.51, 153.1, 479.01, 151.32, 502.02, 153.2, 513.06, 159.78, 468, 163.52, 478.98, 162.32, 501.41, 163.93, 512.07, 166.6, 381.98, 187.97, 419.4, 184.68, 386.29, 184.05, 389.33, 180.31, 394.56, 178.97, 398.93, 176.7, 404.67, 178.01, 410.16, 178.29, 414.64, 181.61, 386.62, 188.63, 390.22, 189.61, 395.06, 189.65, 399.35, 189.78, 404.47, 188.86, 409.6, 187.94, 414.35, 186.47, 467.88, 180.89, 509.45, 179.81, 472.7, 177.13, 476.94, 173.17, 483.16, 172.02, 488.5, 170.41, 494.14, 172.17, 499.85, 173.15, 504.05, 176.58, 473.23, 182.31, 478.06, 183.11, 483.77, 183.5, 488.64, 183.77, 493.94, 183.26, 499.41, 182.57, 503.69, 181.14, 437.26, 181.67, 430.77, 225.48, 434.38, 203.34, 435.09, 245.37, 414.99, 243.56, 463.03, 241.47, 402.97, 282.43, 487.32, 279.44, 404.76, 282.21, 484.51, 279.63, 436.81, 269.19, 428.83, 269.46, 444.9, 269.87, 414.07, 273.42, 466.73, 272.4, 407.94, 277.81, 421.38, 271.38, 455.7, 271, 477.47, 276.08, 437.71, 290.09, 417.1, 288.03, 464.19, 286.36, 409.84, 284.75, 427.92, 288.61, 450.74, 287.81, 475.9, 282.68, 437.36, 278.04, 437.64, 277.63, 420.34, 278.65, 420.04, 278.69, 460.92, 277.64, 461.01, 277.22, 412.68, 280.41, 412.5, 279.99, 429.06, 278.19, 429.05, 277.65, 448.83, 277.82, 449.13, 276.93, 472.58, 278.55, 472.59, 278.16, 365.8, 192, 566.18, 185.68, 440.54, 352.94, 372.84, 289.96, 548.44, 300.96, 364.88, 240.03, 565.1, 243.91, 397.45, 334.16, 501.07, 340.61 ],
    "LandmarkCount" : 105,
    "Qualities" : {
      "ScoreList" : [ 87.47 ],
      "BlurList" : [ 99.99 ],
      "FnfList" : [ 100 ],
      "GlassList" : [ 97.59 ],
      "IlluList" : [ 99.97 ],
      "MaskList" : [ 93.33 ],
      "NoiseList" : [ 99.73 ],
      "PoseList" : [ 11.57 ]
    "BeautyList" : [ 48 ],
    "HatList" : [ 0 ],
    "FaceProbabilityList" : [ 0.95 ],
    "Glasses" : [ 1 ],
    "FaceRectangles" : [ 356, 84, 211, 278 ],
    "PoseList" : [ -12.7, 7.48, 0.12 ],
    "AgeList" : [ 57 ],
    "DenseFeatureLength" : 1024,
    "Masks" : [ 0 ]

    关于人脸属性识别的错误码，详情请参见常见错误码。
    

    开源模型体验
    

    更多开源免费模型体验及下载，详见魔搭社区：人脸属性识别模型FairFace、人脸表情识别模型FER、人脸质量模型FQA。
    
  
  • 请确保上传的图片或文件来源符合相应的法律法规。
    • 
  
  • 通过体验调试上传的临时文件有效期为1小时，在24小时后会被系统自动清理删除。
    • 
  
  • 平台不存储用户在使用服务过程中涉及的原始人脸图片或文件信息。
    • 

    上一篇：表情识别下一篇：人脸编辑
       
      推荐文章
      踏实的移动电源  ·  Spring Batch FlatFileItemWriter – 写入 CSV 文件 · HowToDoInJava 中文系列教程 · 看云
      1 年前
      傻傻的饺子  ·  #error : WinSock.h has already been included错误处理-CSDN博客
      2 年前
      不羁的仙人掌  ·  TextField 组件中如何设置其光标的大小？-开源基础软件社区-51CTO.COM
      2 年前
      今天看啥   ·   Py中国   ·   codingpro   ·   小百科   ·   link之家   ·   卧龙AI搜索
      删除内容请联系邮箱 2879853325@qq.com
      小百科 - 百科知识指南
      © 2024 ~ 沪ICP备11025650号