人脸检测
使用 ML Kit 的人脸检测 API,您可以检测图像中的人脸、识别关键面部特征并获取检测到的人脸的轮廓。
通过面部检测,您可以获得执行任务所需的信息,例如修饰自拍和肖像,或从用户的照片生成头像。由于 ML Kit 可以实时执行面部检测,因此您可以在视频聊天或响应玩家表情的游戏等应用程序中使用它。
如果您是 Flutter 开发人员,您可能会对FlutterFire感兴趣,它包含一个用于 Firebase 的 ML Vision API 的插件。
关键能力
识别和定位面部特征 | 获取检测到的每张脸的眼睛、耳朵、脸颊、鼻子和嘴巴的坐标。 |
获取面部特征的轮廓 | 获取检测到的人脸及其眼睛、眉毛、嘴唇和鼻子的轮廓。 |
识别面部表情 | 确定一个人是在微笑还是闭着眼睛。 |
跨视频帧跟踪人脸 | 获取检测到的每个人脸的标识符。此标识符在调用中是一致的,因此您可以例如对视频流中的特定人执行图像处理。 |
实时处理视频帧 | 人脸检测在设备上执行,速度足够快,可用于实时应用,例如视频处理。 |
示例结果
示例 1
对于检测到的每个人脸:
第 1 个,共 3 个 | |||||||
---|---|---|---|---|---|---|---|
边界多边形 | (884.880004882812, 149.546676635742), (1030.77197265625, 149.546676635742), (1030.77197265625, 329.660278320312), (884.20100460228) | ||||||
旋转角度 | Y:-14.054030418395996,Z:-55.007488250732422 | ||||||
跟踪号码 | 2 | ||||||
面部标志 |
... ETC。 | ||||||
特征概率 |
|
示例2(人脸轮廓检测)
启用面部轮廓检测后,您还将获得检测到的每个面部特征的点列表。这些点代表特征的形状。下图说明了这些点如何映射到人脸(单击图像放大):
面部特征轮廓 | |
---|---|
鼻梁 | (505.149811, 221.201797), (506.987122, 313.285919) |
左眼 | (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) |
上唇顶部 | (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) |
(ETC。) |