Procurar faces em uma coleção - Amazon Rekognition

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Procurar faces em uma coleção

O Amazon Rekognition pode armazenar informações sobre faces detectadas em contêineres do lado do servidor conhecido como coleções. Você pode usar as informações faciais armazenadas em uma coleção para pesquisar faces conhecidas em imagens, vídeos armazenados e vídeos de streaming. O Amazon Rekognition oferece suporte ao IndexFaces operação. Você pode usar essa operação para detectar faces em uma imagem e manter informações sobre traços faciais detectados em uma coleção. Este é um exemplo de uma operação da API com base em armazenamento, porque o serviço mantém informações no servidor.

Para armazenar informações faciais, você deve primeiro criar ( CreateCollection ) uma coleção de faces em uma das regiões da AWS em sua conta. Você especifica essa coleção de faces ao chamar a operação IndexFaces. Depois de criar uma coleção de faces e armazenar informações sobre o traço facial de todas as faces, você poderá pesquisar a coleção em busca de correspondências de face. Para pesquisar faces em uma imagem, chame SearchFacesByImage . Para pesquisar faces em um vídeo armazenado, chame StartFaceSearch . Para pesquisar faces em um vídeo de streaming, chame CreateStreamProcessor .

nota

O serviço não mantém bytes de imagem reais. Em vez disso, o algoritmo de detecção subjacente primeiro detecta as faces na imagem de entrada, extrai traços faciais em um vetor de traços de cada face e os armazena na coleção. O Amazon Rekognition usa esses vetores de traços ao executar correspondências de face.

Você pode usar coleções em vários cenários. Por exemplo, você pode criar uma coleção de faces para armazenar imagens de crachás usando a operação IndexFaces. Quando um funcionário entra no prédio, uma imagem da face do funcionário é capturada e enviada para a operação SearchFacesByImage. Se a correspondência de face produzir uma pontuação de similaridade suficientemente alta (por exemplo, 99%), você poderá autenticar o funcionário.

Gerenciar coleções

A coleção de faces é o principal recurso do Amazon Rekognition, e cada coleção de faces criada por você apresenta um Amazon Resource Name (ARN — Nome de recurso da Amazon) exclusivo. Você cria cada coleção de faces em uma região da AWS específica na conta. Quando uma coleção é criada, ela é associada à versão mais recente do modelo de detecção de faces. Para obter mais informações, consulte Versionamento de modelo.

Você pode realizar as seguintes operações de gerenciamento em uma coleção.

Gerenciar faces em uma coleção

Depois de criar uma coleção de faces, você poderá armazená-las. O Amazon Rekognition oferece as seguintes operações para gerenciar faces em uma coleção.

Orientação para usar IndexFaces

Veja a seguir as orientações de uso do IndexFaces em cenários comuns.

Aplicações críticas ou de segurança pública

  • Chame o IndexFaces com imagens que contêm apenas uma face cada e associe o ID de face retornado com o identificador para a pessoa presente da imagem.

  • Você pode usar o DetectFaces antes da indexação para verificar se há somente uma face na imagem. Se mais de uma face for detectada, envie novamente a imagem, após revisá-la, e deixe apenas uma face presente. Isso evita a indexação não intencional de várias faces e sua associação com a mesma pessoa.

Aplicativos de compartilhamento de fotos e mídias sociais

  • Você deve usar o IndexFaces sem restrições em imagens que contenham várias faces, em casos de uso como álbuns de família. Nesses casos, você precisa identificar cada pessoa em cada foto e usar essas informações para agrupar fotos pelas pessoas presentes.

Uso geral

  • Faça a indexação de várias imagens diferentes da mesma pessoa, especialmente com diferentes atributos faciais (poses faciais, pelos faciais etc) para melhorar a qualidade da correspondência.

  • Inclua um processo de revisão para que as correspondências malsucedidas possam ser indexadas com o identificador da face correta para melhorar a capacidade de correspondência das faces subsequentes.

  • Para obter informações sobre a qualidade da imagem, consulte Recomendações para imagens de entrada de comparação facial.

Procurando rostos dentro de uma coleção

Depois de criar uma coleção de faces e armazená-las, você poderá pesquisar uma coleção em busca de correspondências de face. Com o Amazon Rekognition, você pode procurar faces em uma coleção correspondente:

A operação CompareFaces e as operações de pesquisa de faces diferem no seguinte:

  • A operação CompareFaces compara uma face em uma imagem de origem com faces na imagem de destino. O escopo dessa comparação está limitado às faces detectadas na imagem de destino. Para obter mais informações, consulte Comparação de faces em imagens.

  • SearchFaces e SearchFacesByImage comparam uma face (identificada por um FaceId ou uma imagem de entrada) com todas as faces em uma determinada coleção de faces. Por isso, o escopo dessa pesquisa é muito maior. Além disso, como as informações de traço facial são mantidas para faces já armazenadas na coleção de faces, você pode procurar faces correspondentes várias vezes.

Usando limites de similaridade para corresponder a faces

Permitimos que você controle os resultados de todas as operações de pesquisa ( CompareFaces , SearchFaces e SearchFacesByImage ), fornecendo um limite de similaridade como um parâmetro de entrada.

O atributo de entrada de limite de semelhança de SearchFaces e SearchFacesByImage, FaceMatchThreshold, controla como muitos resultados são retornados com base na similaridade da face com a qual está sendo correspondido. (Esse atributo é SimilarityThreshold para CompareFaces.) Respostas com um valor de atributo de resposta de Similarity que é menor do que o limite não são retornados. Esse limite é importante para calibrar para seu caso de uso, uma vez que ele pode determinar quantos falsos positivos são incluídos nos resultados de correspondência. Isso controla a recuperação de seus resultados de pesquisa — quanto menor o limite, maior será o recall.

Todos os sistemas de aprendizagem de máquina são probabilísticos. Você deve usar seu julgamento para definir o limite de semelhança correto, dependendo de seu caso de uso. Por exemplo, se você quer criar um aplicativo para identificar fotos semelhantes procurando familiares, você pode escolher um limite inferior (por exemplo, 80%). Por outro lado, para vários casos de uso de aplicação da lei, recomendamos usar um alto valor limite de 99% ou superior para reduzir erros de identificação acidental.

Além de FaceMatchThreshold, você pode usar o atributo de resposta de Similarity para reduzir erros de identificação acidental. Por exemplo, você pode optar por usar um limite inferior (como 80%) para retornar mais resultados. Em seguida, você pode usar o atributo de resposta Similarity (porcentagem de semelhança) para restringir a opção e filtrar as respostas certas em seu aplicativo. Mais uma vez, usar uma semelhança maior (por exemplo, 99% e acima) reduz o risco de erros de identificação.