Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Riconoscimento facciale
plat_iosplat_android
Con l'API di rilevamento dei volti di ML Kit, puoi rilevare i volti in un'immagine, identificare
tratti principali del viso e tracciare i contorni dei volti rilevati.
Con il rilevamento dei volti, puoi ottenere le informazioni necessarie per svolgere attività come migliorare selfie e ritratti o generare avatar dalla foto di un utente.
Poiché ML Kit può eseguire il rilevamento facciale in tempo reale, puoi utilizzarlo
come le videochiamate o i giochi che rispondono alle espressioni del player.
Se sei uno sviluppatore di Flutter, potrebbero interessarti
FlutterFire
che include un plug-in per le API ML Vision di Firebase.
Funzionalità chiave
Riconosci e individua le caratteristiche del viso
Ottieni le coordinate di occhi, orecchie, guance, naso e bocca di ogni
volto rilevato.
Traccia i tratti del viso
Ottieni i contorni dei volti rilevati e dei relativi occhi, sopracciglia, labbra e
naso.
Riconosci le espressioni facciali
Determina se una persona sorride o ha gli occhi chiusi.
Monitorare i volti nei fotogrammi video
Viene assegnato un identificatore per il volto di ogni singola persona rilevata.
Questo identificatore è coerente in tutte le chiamate, quindi puoi, ad esempio,
manipolare le immagini su una determinata persona in uno stream video.
Elabora i fotogrammi dei video in tempo reale
Il rilevamento facciale viene eseguito sul dispositivo ed è abbastanza veloce per essere usato
in applicazioni in tempo reale, come la manipolazione video.
Quando il rilevamento del contorno del volto è attivo, viene visualizzato anche un elenco di punti
per ogni caratteristica del volto rilevata. Questi punti rappresentano la forma della funzionalità. La seguente immagine mostra come questi punti sono mappati a un volto
(fai clic sull'immagine per ingrandirla):
[null,null,["Ultimo aggiornamento 2025-07-25 UTC."],[],[],null,["# Face Detection\n==============\n\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|--------------------------------------|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\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---------------\n\n### Example 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\n### Example 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.) | |"]]
