Gesichtserkennung

Gesichtserkennung

This page describes an old version of the Face Detection API, which was part of ML Kit for Firebase. Development of this API has been moved to the standalone ML Kit SDK, which you can use with or without Firebase. Learn more.

See Face Detection for the latest documentation.

Mit der Gesichtserkennungs-API von ML Kit können Sie Gesichter in einem Bild erkennen, wichtige Gesichtsmerkmale identifizieren und die Konturen erkannter Gesichter abrufen.

Mit der Gesichtserkennung erhalten Sie die Informationen, die Sie benötigen, um Aufgaben wie das Verschönern von Selfies und Porträts oder das Erstellen von Avataren aus dem Foto eines Benutzers auszuführen. Da ML Kit Gesichtserkennung in Echtzeit durchführen kann, können Sie es in Anwendungen wie Video-Chat oder Spielen verwenden, die auf die Mimik des Spielers reagieren.

iOS- Android

Wenn Sie ein Flutter-Entwickler sind, könnten Sie an FlutterFire interessiert sein, das ein Plug-in für die ML Vision-APIs von Firebase enthält.

Dies ist eine Betaversion von ML Kit für Firebase. Diese API kann auf abwärtsinkompatible Weise geändert werden und unterliegt keiner SLA- oder Verfallsrichtlinie.

Schlüsselfähigkeiten

Gesichtszüge erkennen und lokalisieren	Erhalten Sie die Koordinaten von Augen, Ohren, Wangen, Nase und Mund jedes erkannten Gesichts.
Holen Sie sich die Konturen der Gesichtszüge	Rufen Sie die Konturen der erkannten Gesichter und ihrer Augen, Augenbrauen, Lippen und Nase ab.
Gesichtsausdrücke erkennen	Stellen Sie fest, ob eine Person lächelt oder die Augen geschlossen hat.
Verfolgen Sie Gesichter über Videoframes hinweg	Erhalten Sie eine Kennung für das Gesicht jeder einzelnen Person, die erkannt wird. Diese Kennung ist über Aufrufe hinweg konsistent, sodass Sie beispielsweise Bildmanipulationen an einer bestimmten Person in einem Videostream vornehmen können.
Verarbeiten Sie Videoframes in Echtzeit	Die Gesichtserkennung wird auf dem Gerät durchgeführt und ist schnell genug, um in Echtzeitanwendungen wie Videomanipulation verwendet zu werden.

Beispielergebnisse

Beispiel 1

Für jedes erkannte Gesicht:

Gesicht 1 von 3
Begrenzungspolygon	(884.880004882812, 149.546676635742), (1030.77197265625, 149.546676635742), (1030.77197265625, 329.660278320312)
Rotationswinkel	Y: -14.054030418395996, Z: -55.007488250732422
Tracking ID	2
Wahrzeichen im Gesicht	Linkes Auge (945.869323730469, 211.867126464844) Rechtes Auge (971.579467773438, 247.257247924805) Unterseite des Mundes (907.756591796875, 259.7144477539062) ... etc.
Feature-Wahrscheinlichkeiten	Lächelnd 0,88979166746139526 Linkes Auge offen 0,98635888937860727 Rechtes Auge offen 0,99258323386311531

Beispiel 2 (Gesichtskonturerkennung)

Wenn Sie die Gesichtskonturerkennung aktiviert haben, erhalten Sie auch eine Liste mit Punkten für jedes erkannte Gesichtsmerkmal. Diese Punkte repräsentieren die Form des Features. Das folgende Bild zeigt, wie diese Punkte einem Gesicht zugeordnet werden (zum Vergrößern auf das Bild klicken):

Konturen der Gesichtszüge
Nasenrücken	(505.149811, 221.201797), (506.987122, 313.285919)
Linkes Auge	(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)
Oberseite der Oberlippe	(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.)