2025 年，Azure AI Vision 在人臉偵測與辨識方面的功能為何？完整的分析指南。

在現今的科技領域中，人工智慧正在重塑各行各業，而臉部辨識則是其中一項顯著的應用。Microsoft Azure AI Vision 為人臉偵測、分析及辨識提供了一套強大的工具。本指南探討 Azure 人臉服務的功能、優勢和負責任的執行，提供有效運用此技術的知識。

重點

掌握 Azure AI Vision Face API 的核心功能。

區分一般影像分析與專門的人臉分析服務。

檢視人臉偵測、分析與辨識的實際應用。

瞭解負責任的 AI 原則的重要作用。

瞭解人臉識別系統中資料隱私與安全的關鍵因素。

瞭解 Microsoft 對特定臉部功能的限制存取政策。

探索臉部偵測所傳回的參數。

使用 Azure AI Vision 在應用程式中實施臉部偵測。

瞭解 Azure AI Vision 人臉服務

影像分析 vs. 人臉服務：主要差異

Azure AI Vision 提供影像分析與專用的臉部服務，各自服務於不同的需求。選擇正確的工具取決於了解它們的不同目的。影像分析著重於一般物件偵測，例如識別場景中的人，通常會提供邊界框等基本位置資料。

相反地，臉部服務則提供更深入的檢測。它會偵測人臉，然後再分析詳細的屬性，例如頭部姿勢、識別、臉部地標和識別潛力。這項服務提供了更深一層的了解，超越了簡單的定位。

在部署臉部服務之前，必須瞭解並遵守有關資料隱私、安全性與公平性的負責任人工智慧原則。

人臉偵測、分析與辨識的選項

Azure AI Vision 中的人臉服務提供多種選項，可滿足各種不同的需求。

以下是概述：

• 人臉偵測：在影像中定位人臉的基本能力，提供每個人臉周圍邊界框的座標。
• 全面臉部特徵分析：建立在偵測的基礎上，檢查各種屬性，包括
  • 頭部姿勢：估計頭部的方向。
  • 識別：將偵測到的人臉與已知資料庫進行比對。
  • 地標：找出主要的臉部特徵，例如眼睛、鼻子和嘴巴。
  • 辨識：識別影像中的個人。
  • 屬性（Attributes）：其他細節，例如是否戴眼鏡或口罩。
• 臉部比較與識別：此功能會比較人臉，以判斷他們是否屬於同一人，這對身份驗證非常重要。
• 臉部辨識：用於從資料庫中唯一識別個人。基於負責任的人工智慧考量，這項強大的功能需要註冊並獲得 Microsoft 的核准。

負責任的 AI：

關於

運用 AI 進行臉部分析需要負起重大的道德責任。臉部資料是高度個人化的資料，濫用可能會導致嚴重的後果。主要考慮因素包括

• 資料隱私與安全：系統必須保障個人隱私。

  必須嚴格控制個人識別資訊的存取。

• 透明度：使用者應該清楚瞭解他們的影像將如何使用，以及誰可以存取資料。
• 公平性與包容性：人臉技術的應用不得基於外貌而對個人造成偏見或不公平的對待。
• 限制存取政策：基於這些敏感性，面部識別、識別、驗證和比對功能受 Microsoft 限制存取政策的規範。使用這些功能需要經過核准的應用程式，以顯示對負責任的 AI 的承諾。
• 向 Microsoft 提出請求：您必須提出請求；這些進階功能必須經過 Microsoft 的審核與核准才能使用。
• 資料隱私權：任何處理臉部資料的系統在設計上都必須保護個人隱私。

遵守這些原則可確保道德與合法地使用 Azure 的臉部服務，保護個人權利。

人臉服務的功能

Azure AI 人臉服務的能力

Azure AI 的臉部服務是其電腦視覺套件的重要元件，可讓開發人員將進階的臉部分析整合到應用程式中。

這項技術超越了基本的偵測功能，針對特定的使用個案提供了一系列的功能。核心功能包括

• 人臉偵測：準確定位影像或視訊串流中的人臉。
• 人臉屬性分析：擷取詳細資訊，例如估計年齡、性別、情緒狀態，以及眼鏡等配件。
• 臉部地標定位：識別主要臉部特徵的精確座標，有助於對準或擴增實境。
• 臉部比較：評估兩張臉的相似度，以驗證身份和安全性。
• 臉部辨識與識別：將偵測到的臉部與資料庫比對，以實現個人化體驗或存取控制。
• 臉部栩栩如生：驗證偵測到的人臉是否來自真人，以防止偽造。

將人臉偵測與 Azure AI Vision 整合

提出人臉偵測請求

一旦您取得人臉 API 的存取權，將偵測整合至您的應用程式就變得簡單直接。核心流程包括將影像傳送至 Face 端點進行分析。以下是簡化的工作流程：

1. 使用臉部端點：在您的 API 請求中指定「臉部」功能。

2. 構建

   請求：請求體應包含要分析的圖片 URL。
3. 接收回應：API 會傳回一個 JSON 物件，其中包含每個偵測到的面孔的詳細資訊，包括唯一的 ID 和邊界矩形。

範例請求格式如下

{"url"："path-to-image"}

API 回應提供一個 JSON 輸出，包含臉部詳細資訊：

{"faceId"："c5ca82-6845-4d31-9d78-df9175426","recognitionModel":"recognition_03", "faceRectangle"：{「寬度」：78, "height"：78, "left"：394, "top"：54}, "faceLandmarks"：{"pupilLeft"：{"x":412.7, "y":78.4}, "pupilRight"：{"x":446.8, "y":74.2},}}

請注意 "faceID"、"recognitionModel"、"faceRectangle 「和 」faceLandmarks "等資料點。

下表解釋 JSON 輸出中的主要參數：

定價

定價細節

由於此處未涵蓋具體定價，請參閱 Azure 官方網站或 Azure 定價計算機，以取得最新、最詳細的成本資訊。

Azure AI Vision 人臉服務的優缺點

優點

深入的臉部分析：提供超越單純偵測的詳細洞察力。

Azure Ecosystem 整合：可與其他 Azure 服務和工具無縫運作。

可擴充性與可靠性：利用 Azure 強大的雲端基礎架構。

負責任的 AI

關聯

優點

有限存取政策：某些進階功能需要 Microsoft 批准。

成本：費用會隨交易量增加而增加。

複雜性：需要熟悉 AI 概念和 Azure 服務。

資料隱私疑慮：需要用心注意隱私權和安全協定。

有關 Azure AI Vision 人臉偵測的常見問題

Azure AI Vision 中的影像分析與人臉服務有何區別？

影像分析執行一般物件偵測，提供人的基本位置資料。臉部服務提供全面的臉部分析，包括頭部姿勢、地標和識別能力等屬性。

為什麼使用臉部辨識需要 Microsoft 的核准？

臉部辨識涉及敏感的個人資料，必須採取嚴格的隱私權和安全措施。Microsoft 的核准程序有助於確保負責任的 AI 使用，並防止潛在的濫用。

使用臉部辨識時，負責任的 AI 有哪些主要考量？

主要考量包括確保資料隱私與安全性、對使用者保持透明度、維護公平性與包容性，以及遵守 Microsoft 的限制存取政策。

臉部屬性分析會產生什麼樣的資料？

Face Attribute Analysis 可以產生 Head Pose、Glasses、Exposure、Noise 和 Occlusion 等資料點。

關於 Azure AI 和臉部偵測的相關問題

Azure 還提供哪些其他 AI 服務？

Azure 提供廣泛的 AI 服務組合，包括Azure Machine Learning 用於開發和部署 ML 模型；Azure Cognitive Services 提供預先建立的視覺、語言和語言模型；Azure Bot Service 用於建立智慧型機器人；Azure Databricks 用於資料科學和分析；Azure AI Search 用於提供 AI 增強的搜尋結果。這些服務提供了強大的工具，可在各種應用程式中整合 AI。