Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Wykrywanie twarzy
plat_iosplat_android
Dzięki interfejsowi ML Kit API do wykrywania twarzy możesz wykrywać twarze na zdjęciach,
rysy twarzy i obrysy wykrytych twarzy.
Dzięki wykrywaniu twarzy możesz uzyskać informacje potrzebne do wykonania takich czynności jak:
ozdabianie selfie i portretów ani generowanie awatarów ze zdjęcia użytkownika.
Ponieważ ML Kit może wykrywać twarze w czasie rzeczywistym,
w aplikacjach, takich jak czat wideo czy gry, które reagują na słowa gracza.
Jeśli jesteś programistą Flutter, może Cię zainteresować
FlutterFire,
który zawiera wtyczkę do interfejsów ML Vision API Firebase.
Najważniejsze funkcje
Rozpoznawaj i lokalizuj rysy twarzy
Pobieraj współrzędne oczu, uszu, policzków, nosa i ust każdej z wykrywania twarzy.
Poznaj kontury rysów twarzy
Uzyskaj kontury wykrytych twarzy oraz ich oczu, brwi, ust i nosa.
Rozpoznawanie wyrazu twarzy
Określ, czy dana osoba się uśmiecha czy ma zamknięte oczy.
Śledzenie twarzy na klatkach wideo
Uzyskaj identyfikator wykrytej twarzy danej osoby.
Identyfikator ten jest spójny we wszystkich wywołaniach, dzięki czemu możesz na przykład:
manipulowania obrazem konkretnej osoby w strumieniu wideo.
Przetwarzaj klatki wideo w czasie rzeczywistym
Wykrywanie twarzy jest wykonywane na urządzeniu i jest wystarczająco szybkie, aby można było go używać w aplikacji działającej w czasie rzeczywistym, np. do manipulowania filmem.
Po włączeniu wykrywania konturów zobaczysz też listę punktów
dla każdej wykrytej cechy twarzy. Te punkty reprezentują kształt
do danej funkcji. Na poniższym obrazie przedstawiono sposób mapowania tych punktów na twarz
(kliknij obraz, aby go powiększyć):
[null,null,["Ostatnia aktualizacja: 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.) | |"]]
