Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
Yüz Algılama
plat_iosplat_android
ML Kit'in yüz algılama API'si ile resimlerdeki yüzleri algılayabilir,
önemli yüz özelliklerini görebilir ve algılanan yüzlerin konturlarını öğrenebilirsiniz.
Yüz algılama özelliğiyle,
selfie'leri ve portreleri süsleme veya kullanıcının fotoğrafından avatar oluşturma.
Makine Öğrenimi Kiti, yüz algılamayı gerçek zamanlı olarak gerçekleştirebildiğinden
Oyuncunun ifadelerine yanıt veren oyunlar veya görüntülü sohbet gibi uygulamalar olabilir.
Flutter geliştiricisiyseniz ilginizi çekebilir
FlutterFire,
Firebase'in ML Vision API'lerine yönelik bir eklenti içerir.
Temel özellikler
Yüz özelliklerini tanıma ve konumlandırma
Her bir kişinin gözlerinin, kulaklarının, yanaklarının, burnunun ve ağzının koordinatlarını
yüz algılandı.
Yüz özelliklerinin konturlarını görün
Algılanan yüzlerin ve bu yüzlerin gözlerinin, kaşlarının, dudaklarının ve
burun.
Yüz ifadelerini tanıma
Kişinin gülümsediğini veya gözlerini kapalı tuttuğunu belirleyin.
Video karelerinde yüzleri takip etme
Algılanan her kişinin yüzü için bir tanımlayıcı alın.
Bu tanımlayıcı, çağrılar arasında tutarlıdır. Bu sayede, örneğin bir video akışındaki belirli bir kişiyle ilgili resim üzerinde işlem yapabilirsiniz.
Video karelerini gerçek zamanlı olarak işleyin
Cihazda gerçekleştirilen yüz algılama özelliği, kullanılacak kadar hızlı
gerçek zamanlı uygulamalarda (ör. video oynatma)
Yüz kontur algılamayı etkinleştirdiğinizde noktaların listesini de alırsınız
gösteriliyor. Bu noktalar şekli temsil eder
gösterir. Aşağıdaki resimde bu noktaların bir yüzle nasıl eşlendiği gösterilmektedir
(büyütmek için resmi tıklayın):
[null,null,["Son güncelleme tarihi: 2025-07-25 UTC."],[],[],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.) | |"]]
