با مجموعهها، منظم بمانید
ذخیره و طبقهبندی محتوا براساس اولویتهای شما.
تشخیص چهره
plat_iosplat_android
با API تشخیص چهره کیت ML، می‌توانید چهره‌ها را در یک تصویر شناسایی کنید، ویژگی‌های کلیدی چهره را شناسایی کنید و خطوط چهره‌های شناسایی‌شده را دریافت کنید.
با تشخیص چهره، می‌توانید اطلاعاتی را که برای انجام کارهایی مانند تزئین عکس‌های سلفی و پرتره یا تولید آواتار از عکس کاربر نیاز دارید، دریافت کنید. از آنجایی که ML Kit می‌تواند تشخیص چهره را در زمان واقعی انجام دهد، می‌توانید از آن در برنامه‌هایی مانند چت ویدیویی یا بازی‌هایی که به عبارات پخش‌کننده پاسخ می‌دهند استفاده کنید.
اگر شما یک توسعه دهنده Flutter هستید، ممکن است به FlutterFire علاقه مند شوید که شامل افزونه ای برای API های ML Vision Firebase است.
قابلیت های کلیدی
ویژگی های صورت را بشناسید و مشخص کنید
مختصات چشم‌ها، گوش‌ها، گونه‌ها، بینی و دهان هر چهره شناسایی شده را دریافت کنید.
خطوط خطوط صورت را بدست آورید
خطوط چهره شناسایی شده و چشم ها، ابروها، لب ها و بینی آنها را دریافت کنید.
حالات چهره را بشناسید
تعیین کنید که آیا فردی لبخند می زند یا چشمانش بسته است.
ردیابی چهره ها در فریم های ویدیو
برای هر فرد شناسایی شده یک شناسه دریافت کنید. این شناسه در سراسر فراخوان‌ها ثابت است، بنابراین می‌توانید برای مثال، دستکاری تصویر را روی یک شخص خاص در یک جریان ویدیویی انجام دهید.
فریم های ویدیو را در زمان واقعی پردازش کنید
تشخیص چهره روی دستگاه انجام می‌شود و به اندازه‌ای سریع است که در برنامه‌های بلادرنگ، مانند دستکاری ویدیو، استفاده شود.
هنگامی که تشخیص کانتور صورت را فعال کرده اید، لیستی از نقاط را برای هر ویژگی صورت شناسایی شده دریافت می کنید. این نقاط نمایانگر شکل ویژگی هستند. تصویر زیر نشان می‌دهد که چگونه این نقاط به صورت نگاشت می‌شوند (برای بزرگ‌نمایی روی تصویر کلیک کنید):
تاریخ آخرین بهروزرسانی 2025-09-06 بهوقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین بهروزرسانی 2025-09-06 بهوقت ساعت هماهنگ جهانی."],[],[],null,["Face Detection \nplat_ios plat_android \n\nWith ML Kit's face detection API, you can detect faces in an image, identify\nkey facial features, and get the contours of detected faces.\n\nWith face detection, you can get the information you need to perform tasks like\nembellishing selfies and portraits, or generating avatars from a user's photo.\nBecause ML Kit can perform face detection in real time, you can use it in\napplications like video chat or games that respond to the player's expressions.\n\n[iOS](/docs/ml-kit/ios/detect-faces)\n[Android](/docs/ml-kit/android/detect-faces)\n\nIf you're a Flutter developer, you might be interested in\n[FlutterFire](https://github.com/FirebaseExtended/flutterfire/tree/master/packages/firebase_ml_vision),\nwhich includes a plugin for Firebase's ML Vision APIs.\n| This is a beta release of ML Kit for Firebase. This API might be changed in backward-incompatible ways and is not subject to any SLA or deprecation policy.\n\nKey capabilities\n\n|--------------------------------------|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| Recognize and locate facial features | Get the coordinates of the eyes, ears, cheeks, nose, and mouth of every face detected. |\n| Get the contours of facial features | Get the contours of detected faces and their eyes, eyebrows, lips, and nose. |\n| Recognize facial expressions | Determine whether a person is smiling or has their eyes closed. |\n| Track faces across video frames | Get an identifier for each individual person's face that is detected. This identifier is consistent across invocations, so you can, for example, perform image manipulation on a particular person in a video stream. |\n| Process video frames in real time | Face detection is performed on the device, and is fast enough to be used in real-time applications, such as video manipulation. |\n\nExample results\n\nExample 1\n\nFor each face detected:\n\n| Face 1 of 3 ||\n|---------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| **Bounding polygon** | (884.880004882812, 149.546676635742), (1030.77197265625, 149.546676635742), (1030.77197265625, 329.660278320312), (884.880004882812, 329.660278320312) |\n| **Angles of rotation** | Y: -14.054030418395996, Z: -55.007488250732422 |\n| **Tracking ID** | 2 |\n| **Facial landmarks** | |---------------------|--------------------------------------| | **Left eye** | (945.869323730469, 211.867126464844) | | **Right eye** | (971.579467773438, 247.257247924805) | | **Bottom of mouth** | (907.756591796875, 259.714477539062) | ... etc. |\n| **Feature probabilities** | |--------------------|---------------------| | **Smiling** | 0.88979166746139526 | | **Left eye open** | 0.98635888937860727 | | **Right eye open** | 0.99258323386311531 | |\n\nExample 2 (face contour detection)\n\nWhen you have face contour detection enabled, you also get a list of points\nfor each facial feature that was detected. These points represent the shape of\nthe feature. The following image illustrates how these points map to a face\n(click the image to enlarge):\n\n[](/static/docs/ml-kit/images/examples/face_contours.svg)\n\n| Facial feature contours ||\n|----------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| **Nose bridge** | (505.149811, 221.201797), (506.987122, 313.285919) |\n| **Left eye** | (404.642029, 232.854431), (408.527283, 231.366623), (413.565796, 229.427856), (421.378296, 226.967682), (432.598755, 225.434143), (442.953064, 226.089508), (453.899811, 228.594818), (461.516418, 232.650467), (465.069580, 235.600845), (462.170410, 236.316147), (456.233643, 236.891602), (446.363922, 237.966888), (435.698914, 238.149323), (424.320740, 237.235168), (416.037720, 236.012115), (409.983459, 234.870300) |\n| **Top of upper lip** | (421.662048, 354.520813), (428.103882, 349.694061), (440.847595, 348.048737), (456.549988, 346.295532), (480.526489, 346.089294), (503.375702, 349.470459), (525.624634, 347.352783), (547.371155, 349.091980), (560.082031, 351.693268), (570.226685, 354.210175), (575.305420, 359.257751) |\n| (etc.) | |"]]
