Apa itu layanan Azure AI Face?

  • Artikel

Layanan Azure AI Face menyediakan algoritma AI yang mendeteksi, mengenali, dan menganalisis wajah manusia dalam gambar. Perangkat lunak pengenalan wajah penting dalam berbagai skenario, seperti identifikasi, kontrol akses tanpa sentuhan, dan kaburnya wajah untuk privasi.

Anda dapat menggunakan layanan Wajah melalui SDK pustaka klien atau dengan memanggil REST API secara langsung. Ikuti mulai cepat untuk memulai.

Mulai Cepat

Atau, Anda dapat mencoba kemampuan layanan Wajah dengan cepat dan mudah di browser Anda menggunakan Vision Studio.

Coba Vision Studio untuk Face

Perhatian

Akses layanan Face dibatasi berdasarkan kelayakan dan kriteria penggunaan untuk mendukung prinsip AI kami yang Bertanggung Jawab. Layanan Face hanya tersedia untuk pelanggan dan mitra terkelola Microsoft. Gunakan formulir pengambilan Pengenalan Wajah untuk mengajukan akses. Untuk informasi selengkapnya, lihat halaman Akses terbatas Wajah.

Dokumentasi ini berisi jenis artikel berikut ini:

  • Mulai cepat adalah instruksi langkah demi langkah yang memungkinkan Anda membuat panggilan ke layanan dan mendapatkan hasil dalam waktu singkat.
  • Panduan cara berisi instruksi untuk menggunakan layanan dengan cara yang lebih spesifik atau yang disesuaikan.
  • Artikel konseptual ini memberikan penjelasan mendalam tentang fungsionalitas dan fitur layanan tersebut.
  • Tutorial adalah panduan yang lebih panjang yang menunjukkan cara menggunakan layanan ini sebagai komponen dalam memperluas solusi bisnis.

Untuk pendekatan yang lebih terstruktur, ikuti modul Pelatihan untuk Face.

Contoh kasus penggunaan

Verifikasi identitas pengguna: Verifikasi seseorang terhadap gambar wajah tepercaya. Verifikasi ini dapat digunakan untuk memberikan akses ke properti digital atau fisik, seperti rekening bank, akses ke gedung, dan sebagainya. Dalam kebanyakan kasus, gambar wajah tepercaya dapat berasal dari ID yang dikeluarkan pemerintah seperti paspor atau SIM, atau itu bisa berasal dari foto pendaftaran yang diambil secara langsung. Selama verifikasi, deteksi liveness dapat memainkan peran penting dalam memverifikasi bahwa gambar berasal dari orang nyata, bukan foto atau masker yang dicetak. Untuk detail selengkapnya tentang verifikasi dengan liveness, lihat tutorial liveness. Untuk verifikasi identitas tanpa liveness, ikuti mulai cepat.

Deteksi keaktivaan: Deteksi keaktivaan adalah fitur anti-spoofing yang memeriksa apakah pengguna hadir secara fisik di depan kamera. Ini digunakan untuk mencegah serangan spoofing menggunakan foto cetak, video, atau masker 3D wajah pengguna. Tutorial keaktivaan

Kontrol Akses Tanpa Sentuhan: Dibandingkan dengan metode saat ini seperti kartu atau tiket, menggunakan identifikasi wajah memungkinkan pengalaman kontrol akses yang lebih baik sambil mengurangi risiko kebersihan dan keamanan dari berbagi, kehilangan, atau pencurian kartu. Pengenalan wajah membantu proses check-in pada manusia yang berada dalam rangkaian check-in di bandara, stadion, taman hiburan, bangunan, kios penerimaan di perkantoran, rumah sakit, gym, kelab, atau sekolah.

Penyuntingan wajah: Menyunting atau mengaburkan wajah orang terdeteksi yang direkam dalam video untuk melindungi privasi mereka.

Peringatan

Pada 11 Juni 2020, Microsoft mengumumkan bahwa mereka tidak akan menjual teknologi pengenalan wajah ke departemen kepolisian di Amerika Serikat sampai peraturan yang kuat, yang didasarkan pada hak asasi manusia, telah diberlakukan. Dengan demikian, pelanggan tidak boleh menggunakan fitur pengenalan wajah atau fitur yang disertakan dalam Layanan Azure, seperti Pengindeks Wajah atau Video, jika pelanggan melakukannya, atau mengizinkan penggunaan layanan tersebut oleh atau untuk, departemen kepolisian di Amerika Serikat. Saat membuat sumber daya Face baru, Anda harus mengakui dan menyetujui di Portal Azure bahwa Anda tidak akan menggunakan layanan oleh atau untuk departemen kepolisian di Amerika Serikat dan bahwa Anda telah meninjau dokumentasi AI Bertanggung Jawab dan akan menggunakan layanan ini sesuai dengan itu.

Analisis dan pendeteksi wajah

Pendeteksian wajah diperlukan sebagai langkah pertama dalam semua skenario lainnya. Detect API mendeteksi wajah manusia dalam gambar dan mengembalikan koordinat persegi panjang lokasi mereka. Ini juga menampilkan ID unik yang mewakili data wajah tersimpan. Ini digunakan dalam operasi selanjutnya untuk mengidentifikasi atau memverifikasi wajah.

Secara opsional, deteksi wajah dapat mengekstrak serangkaian atribut terkait wajah, seperti pose kepala, usia, emosi, rambut wajah, dan kacamata. Atribut ini adalah prediksi umum, bukan klasifikasi aktual. Beberapa atribut berguna untuk memastikan bahwa aplikasi Anda mendapatkan data wajah berkualitas tinggi saat pengguna menambahkan dirinya sendiri ke layanan Wajah. Misalnya, aplikasi Anda dapat menyarankan pengguna untuk melepas kacamata hitam jika mereka mengenakannya.

Perhatian

Microsoft memiliki kemampuan pengenalan wajah yang dihentikan yang dapat digunakan untuk mencoba menyimpulkan status emosional dan atribut identitas yang, jika disalahgunakan, dapat menyebabkan orang-orang melakukan stereotip, diskriminasi, atau penolakan layanan yang tidak wajar. Ini termasuk kemampuan yang memprediksi emosi, jenis kelamin, usia, senyum, rambut wajah, rambut, dan riasan. Baca selengkapnya tentang keputusan ini di sini.

Untuk informasi selengkapnya tentang pendeteksi wajah, lihat artikel konsep Pendeteksi wajah. Lihat juga dokumentasi referensi Deteksi API.

Anda dapat mencoba Deteksi wajah dengan cepat dan mudah di browser Anda menggunakan Vision Studio.

Coba Vision Studio untuk Face

Deteksi keaktivaan

Penting

SDK klien Face untuk keakuratan adalah fitur yang terjaga. Anda harus meminta akses ke fitur keaktivitas dengan mengisi formulir asupan Pengenalan Wajah. Saat langganan Azure Anda diberikan akses, Anda dapat mengunduh Face liveness SDK.

Deteksi Face Liveness dapat digunakan untuk menentukan apakah wajah dalam aliran video input nyata (langsung) atau palsu (spoof). Ini adalah blok bangunan penting dalam sistem autentikasi biometrik untuk mencegah serangan spoofing dari peniru yang mencoba mendapatkan akses ke sistem menggunakan foto, video, masker, atau cara lain untuk meniru orang lain.

Tujuan deteksi keaktifan adalah untuk memastikan bahwa sistem berinteraksi dengan orang yang hadir secara fisik pada saat autentikasi. Sistem tersebut menjadi semakin penting dengan maraknya keuangan digital, kontrol akses jarak jauh, dan proses verifikasi identitas online.

Solusi deteksi keakuratan berhasil mempertahankan berbagai jenis spoof mulai dari cetakan kertas, masker 2d/3d, dan presentasi spoof pada ponsel dan laptop. Deteksi keaktifan adalah area penelitian aktif, dengan peningkatan berkelanjutan yang dilakukan untuk menangkal serangan spoofing yang semakin canggih dari waktu ke waktu. Peningkatan berkelanjutan akan diluncurkan ke klien dan komponen layanan dari waktu ke waktu karena solusi keseluruhan menjadi lebih kuat untuk jenis serangan baru.

Solusi deteksi keakuratan kami memenuhi kepatuhan iBeta Level 1 dan 2 ISO/IEC 30107-3.

Tutorial

Dokumen referensi Face Liveness SDK:

Pengenalan Wajah

Perusahaan dan aplikasi modern dapat menggunakan teknologi pengenalan Wajah, termasuk verifikasi Wajah (pencocokan satu-ke-satu) dan identifikasi wajah (pencocokan satu-ke-banyak") untuk mengonfirmasi bahwa pengguna adalah siapa yang mereka klaim.

Penting

Jika Anda menggunakan produk atau layanan Microsoft untuk memproses Data Biometrik, Anda bertanggung jawab untuk: (i) memberikan pemberitahuan kepada subjek data, termasuk sehubungan dengan periode retensi dan penghancuran; (ii) mendapatkan persetujuan dari subjek data; dan (iii) menghapus Data Biometrik, semuanya sesuai dan diperlukan berdasarkan Persyaratan Perlindungan Data yang berlaku. "Data Biometrik" akan memiliki arti yang diatur dalam Pasal 4 GDPR dan, jika berlaku, istilah yang setara dalam persyaratan perlindungan data lainnya. Untuk informasi terkait, lihat Data dan Privasi untuk Wajah.

Identifikasi

Identifikasi wajah dapat mengatasi pencocokan "satu-ke-banyak" dari satu wajah dalam gambar ke satu set wajah di repositori yang aman. Kandidat yang cocok dikembalikan berdasarkan seberapa dekat data wajah mereka cocok dengan wajah kueri. Skenario ini digunakan saat memberi gedung atau bandara akses ke sekelompok orang tertentu atau memverifikasi pengguna perangkat.

Gambar berikut ini memperlihatkan contoh database bernama "myfriends". Setiap kelompok dapat berisi hingga 1 juta objek orang yang berbeda. Setiap orang keberatan dapat memiliki hingga 248 wajah terdaftar.

A grid with three columns for different people, each with three rows of face images

Setelah Anda membuat dan melatih grup, Anda dapat melakukan identifikasi terhadap grup dengan wajah baru yang terdeteksi. Jika wajah diidentifikasi sebagai orang dalam grup, objek orang tersebut dikembalikan.

Verifikasi

Operasi verifikasi menjawab pertanyaan, "Apakah kedua wajah ini milik orang yang sama?".

Verifikasi juga merupakan pencocokan "satu-ke-satu" dari wajah dalam gambar dengan satu wajah dari repositori atau foto yang aman untuk memverifikasi bahwa keduanya adalah individu yang sama. Verifikasi dapat digunakan untuk kontrol akses, seperti aplikasi perbankan yang memungkinkan pengguna untuk membuka akun kredit dari jarak jauh dengan mengambil gambar baru diri mereka sendiri dan mengirimkannya dengan gambar ID foto mereka. Ini juga dapat digunakan sebagai pemeriksaan akhir pada hasil panggilan API Identifikasi.

Untuk informasi selengkapnya tentang Pengenalan wajah, lihat panduan konsep Pengenalan wajah atau dokumentasi referensi Identifikasi dan Verifikasi API.

Menemukan wajah yang serupa

Find Similar operasi memang menghadapi pencocokan antara wajah target dan satu set wajah kandidat, menemukan seperangkat wajah yang lebih kecil yang terlihat mirip dengan wajah target. Operasi ini berguna untuk melakukan pencarian wajah berdasarkan gambar.

Layanan mendukung dua mode kerja, matchPerson dan matchFace. Mode matchPerson mengembalikan wajah serupa setelah memfilter untuk orang yang sama dengan menggunakan Verifikasi API. Mode matchFace mengabaikan filter orang yang sama. Ini mengembalikan daftar wajah kandidat serupa yang mungkin atau mungkin bukan milik orang yang sama.

Contoh berikut menunjukkan wajah target:

A woman smiling

Dan gambar-gambar ini adalah wajah kandidat:

Five images of people smiling. Images A and B show the same person.

Untuk menemukan empat wajah serupa, mode matchPerson mengembalikan a dan b, yang menunjukkan orang yang sama dengan wajah target. Mode matchFace mengembalikan a, b, c, dan D tepat empat kandidat, bahkan jika beberapa bukan orang yang sama dengan target atau memiliki kesamaan yang rendah. Untuk informasi selengkapnya, lihat panduan konsep Pengenalan wajah atau dokumentasi referensi Temukan API Serupa.

Wajah grup

Operasi grup membagi set wajah yang tidak dikenal menjadi beberapa grup berdasarkan kesamaan. Setiap kelompok adalah subset yang tidak terputus-putus dari set wajah asli. Hal ini juga mengembalikan array "messyGroup" tunggal yang berisi ID wajah yang tidak ada kesamaan yang ditemukan.

Semua wajah dalam grup yang dikembalikan kemungkinan milik orang yang sama, tetapi mungkin ada beberapa grup yang berbeda untuk satu orang. Grup dibeda-bedakan menurut faktor lain seperti ekspresi. Untuk informasi selengkapnya, lihat panduan konsep Pengenalan wajah atau dokumentasi referensi Grup API.

Persyaratan input

Persyaratan input gambar umum:

  • Format gambar input yang didukung adalah JPEG, PNG, GIF (bingkai pertama), BMP.
  • Ukuran file gambar tidak boleh melebihi 6 MB.

Persyaratan input untuk deteksi wajah:

  • Ukuran wajah minimum yang dapat dideteksi adalah 36 x 36 piksel dalam gambar dengan besar tidak lebih dari 1920 x 1080 piksel. Gambar lebih besar dari 1920 x 1080 piksel memiliki ukuran wajah minimum yang agak lebih besar. Mengurangi ukuran wajah dapat menyebabkan beberapa wajah tidak terdeteksi, bahkan jika lebih besar dari ukuran wajah minimum yang dapat dideteksi.
  • Ukuran wajah maksimum yang dapat dideteksi adalah 4096 x 4096 piksel.
  • Wajah di luar rentang ukuran 36 x 36 hingga 4096 x 4096 piksel tidak akan terdeteksi.

Persyaratan input untuk pengenalan wajah:

  • Beberapa wajah mungkin tidak dikenali karena komposisi foto, seperti:
    • Gambar dengan pencahayaan ekstrem, misalnya pencahayaan latar yang sangat terang.
    • Obstruksi yang menghalangi satu atau kedua mata.
    • Perbedaan jenis rambut atau rambut wajah.
    • Perubahan penampilan wajah karena usia.
    • Ekspresi wajah yang ekstrim.

Privasi dan keamanan data

Seperti semua sumber daya layanan Azure AI, pengembang yang menggunakan layanan Face harus mengetahui kebijakan Microsoft tentang data pelanggan. Untuk informasi selengkapnya, lihat halaman layanan Azure AI di Pusat Kepercayaan Microsoft.

Langkah berikutnya

Ikuti mulai cepat untuk membuat kode komponen dasar aplikasi pengenalan wajah dalam bahasa pilihan Anda.