azure - Microsoft 认知 - 人脸 API - 人脸验证 - 工作原理

Question

用例如下

• 我们的系统中有面孔列表
• 用户将上传一张图片
• 我们希望显示与上传图像匹配的面孔列表，例如置信度 >0.8

现在查看how to ，我的理解如下

• 使用人脸检测API，我们需要首先上传所有图像，包括我们要验证的图像
• 我们可以将系统中的所有面孔添加到 PersonGroupId 之一中
• 然后我们需要调用 Face-Verify API 并传递图像进行验证和 PersonGroupId 开始比较
• 作为响应，我们将获取所有具有 isIdentical 和置信度数据的faceId ??

这是正确的方法吗？

应用滤镜后，我们的系统可以处理大约 1000-3000 张图像。

顺便说一句，在给定的链接中，提到faceid将在检测调用后24小时后过期:(

在这种情况下，我们还需要考虑性能，因此我们正在考虑异步调用，然后将结果返回到系统中的某个位置，以便稍后检索。

最好的方法是什么？

定价

• 我可以看到前 30,000 笔交易是免费的(限制为 20/月)
• 1000 张图像的人脸存储成本为 16.53/m，这是否意味着人脸检测 API 将存储在 Azure Blob 存储中？如果是，faceId 仍然会在 24 小时后删除吗？
• 人脸存储 - 每张图像最多可存储 4 MB - 而 Face-Detect 表示，最多可存储 6 MB

我可能在这里遗漏了一些东西，如果有人能照亮它那就太好了

Answer 1

让我们看看您需要实现的流程。

在文档中here它说；

Face APIs cover the following categories:

...

• FaceList: Used to manage a FaceList for Find Similar.
• (Large)PersonGroup: Used to manage a (Large)PersonGroup dataset for Identification.
• (Large)PersonGroup Person: Used to manage (Large)PersonGroup Person Faces for Identification.

就您的情况而言，您似乎想要识别面孔，因此您将使用 PersonGroup 以及内部的 PersonGroup Person 项目。

第 1 步 - 生成已知面孔列表

详细信息

因此，首先您需要将已知面孔存储在一个组中(根据您必须存储的项目数量，称为 PersonGroup 或 LargePersonGroup)，以便查询这些面孔包含您的用户上传的图像的项目。它将保留这些项目，这些组没有“24 小时限制”。

如果你想了解“正常”群体和“大规模”群体之间的区别，请参阅引用文献here :您必须考虑一些差异，特别是在培训过程方面。

所以让我们使用一个普通的 PersonGroup，不要太大。请注意，元素数量取决于您的订阅:

• Free-tier subscription quota: 1,000 person groups. Each holds up to 1,000 persons.
• S0-tier subscription quota: 1,000,000 person groups. Each holds up to 10,000 persons.

操作

另请注意，这里我指的是 API 操作，但所有这些操作都可以通过这些 API 调用以任何语言执行，也可以直接使用为某些语言提供的 SDK 执行(请参阅列表 here) )

• 使用 PersonGroup - Create 创建 PersonGroup operation 。您将在请求中指定一个personGroupId，您将在下面使用它

然后对于您已知的面孔中的每个人:

• 使用 PersonGroup Person - Create 创建人员 operation ，给出请求中之前的 personGroupId。结果您将获得 personId guid 值，例如“25985303-c537-4467-b41d-bdb45cd95ca1”

• 通过调用 PersonGroup Person - Add Face 将此用户的面孔添加到其新创建的 Person operation并在请求中提供 personGroupId、personId、其他可选信息以及正文中的图像网址。

请注意，对于此操作:

Valid image size is from 1KB to 4MB. Only one face is allowed perimage.

最后，一旦您添加了人物及其面孔:

• 调用 PersonGroup - 火车 operation
• 使用 PersonGroup - 获取培训状态 检查培训状态 operation

然后您就可以根据该组来识别人员了!

第 2 步 - 在您的已知面孔中搜索此 FaceId

很简单，只需执行 2 个操作即可:

• 调用人脸检测 operation寻找图像中的面孔。结果将是一个包含 faceId 和其他属性

  的项目数组

• 如果您检测到人脸，请调用人脸识别operation具有以下参数:

• faceId，这是检测操作的值

• personGroupId:您在第 1 步中创建的群组的 ID

• confidenceThreshold:您的置信度阈值，例如 0.8

• maxNumOfCandidatesReturned:返回的候选数(1 到 100 之间，默认为 10)

索取 sample :

{
    "personGroupId": "sample_group",
    "faceIds": [
        "c5c24a82-6845-4031-9d5d-978df9175426",
        "65d083d4-9447-47d1-af30-b626144bf0fb"
    ],
    "maxNumOfCandidatesReturned": 1,
    "confidenceThreshold": 0.8
}

其他问题

Face Storage cost is 16.53/m for 1000 images, does it means thatFace-Detect API will store in Azure Blob storage? If yes and stillfaceId will be deleted after 24 hours ?

人脸检测 API 未存储图像。存储成本与使用 PersonGroup 或 FaceLists 相关

Face Storage - Stores images sized up to 4 MB each - whereasFace-Detect says, can store up to 6 MB

如前所述，存储是关于持久化面孔的，例如使用 PersonGroup Person - Add Face 时，限制为 4MB，而不是 6