日本熟妇hd丰满老熟妇,中文字幕一区二区三区在线不卡 ,亚洲成片在线观看,免费女同在线一区二区

AI 助理
備案控制臺
文檔
輸入文檔關鍵字查找
首頁 視覺智能開放平臺 開發參考 API參考 人臉人體 人臉屬性 人臉屬性識別

人臉屬性識別

更新時間：
產品詳情
我的收藏

本文介紹人臉人體（facebody）類目下的人臉屬性識別RecognizeFace的語法及示例。

功能描述

人臉屬性識別能力可以識別檢測人臉的性別、年齡、表情、眼鏡、帽子五種屬性，支持人臉遮擋、光照、模糊度、姿態、噪聲綜合質量評分，支持檢測含有多張人臉的照片屬性判斷。

說明
  • 您可以進入在線咨詢獲取在線人工幫助。
  • 當前能力可在視覺智能開放平臺有完整的免費產品體驗，您可以單擊立即試用對該能力進行更直觀試用以及在線購買。
  • 阿里云視覺智能開放平臺視覺AI能力API接入、接口使用或問題咨詢等，請通過釘釘群（23109592）加入阿里云視覺智能開放平臺咨詢群聯系我們。

特色優勢

  • 適應能力強：不同照片、人臉尺寸多場景下，覆蓋多個年齡段識別。
  • 圖片質量打分：支持人臉遮擋、光照、模糊度、姿態、噪聲綜合質量評分。
  • 平臺服務穩定：提供在高并發，大流量下的毫秒級識別響應和保障。

接入指引

1. 注冊阿里云賬號：打開阿里云官網，在阿里云官網右上角，單擊立即注冊，按照操作提示完成賬號注冊。

2. 開通能力：請確保您已開通人臉人體服務，若未開通服務請立即開通。

說明 本能力支持企業或個人認證用戶開通。更多實名認證操作信息，請參見實名認證。

3. 創建AccessKey：請確保您已創建AccessKey，如果您使用的是子賬號AccessKey，您需要給子賬號賦予AliyunVIAPIFullAccess權限，具體操作，請參見RAM授權。

4. 在線調試（可選）：您可以通過OpenAPI Explorer在線調試能力，查看完整的調用示例代碼及SDK依賴信息，也可以下載完整的工程。

5. 開發接入步驟：

  • 在SDK總覽中選擇您要接入使用的SDK語言。
  • 在對應語言的SDK文檔中找到AI類目為人臉人體（facebody）的SDK包進行安裝。
  • 參考文檔中提供的示例代碼進行適當修改后調用。

6. 示例代碼：該能力常用語言的示例代碼，請參見人臉屬性識別示例代碼。

7. 客戶端直接調用：該能力常用的客戶端調用方式包括以下幾種。

輸入限制

  • 圖像格式：JPEG、JPG、PNG、BMP。
  • 圖像大小：不超過20 MB。
  • 圖像分辨率：大于32×32像素，小于4096×4096像素，人臉占比不低于64×64像素。
  • URL地址中不能包含中文字符。
說明 當圖像分辨率超過最大限制時，請先將圖片進行縮放，調整圖片大小，具體請參見圖片縮放。

計費說明

關于人臉屬性識別的計費方式及報價，請參見計費介紹。

說明 下方調試接口為付費接口，如需免費體驗調試請前往體驗中心。

調試

您可以在OpenAPI Explorer中直接運行該接口，免去您計算簽名的困擾。運行成功后，OpenAPI Explorer可以自動生成SDK代碼示例。

請求參數

名稱

類型

是否必選

示例值

描述
Action String 是 RecognizeFace

系統規定參數。取值：RecognizeFace。
ImageURL String 是 http://viapi-test.oss-cn-shanghai.aliyuncs.com/viapi-3.0domepic/facebody/RecognizeFace/RecognizeFace1.png

圖像URL地址。推薦使用上海地域的OSS鏈接，對于文件在本地或者非上海地域OSS鏈接的情況，請參見文件URL處理。

說明
  • 推薦新版本調用方式為只輸入圖片，當只傳入ImageURL的時候所有接口數據都會返回，新版本支持返回最多10張人臉的數據。
  • 兼容老版本接口對布爾值入參和MaxFaceNumber的支持邏輯，當傳入任意一個支持的布爾值入參或MaxFaceNumber以控制返回的數據時，只會返回設置了布爾值入參且為true的數據，這種調用方式不返回布爾值入參支持范圍外的數據（Landmarks，LandmarkCount，PoseList，Pupils）。
Age Boolean 否 false

兼容老版本接口，用來控制是否需要返回人臉年齡結果，取值true或false，默認false。
Gender Boolean 否 false

兼容老版本接口，用來控制是否需要返回人臉性別結果，取值true或false，默認false。
Hat Boolean 否 false

兼容老版本接口，用來控制是否需要返回人臉帽子結果，取值true或false，默認false。
Glass Boolean 否 false

兼容老版本接口，用來控制是否需要返回人臉眼鏡結果，取值true或false，默認false。
Beauty Boolean 否 false

兼容老版本接口，用來控制是否需要返回人臉顏值結果，取值true或false，默認false。
Expression Boolean 否 false

兼容老版本接口，用來控制是否需要返回人臉表情結果，取值true或false，默認false。
Mask Boolean 否 false

兼容老版本接口，用來控制是否需要返回人臉口罩結果，取值true或false，默認false。
Quality Boolean 否 false

兼容老版本接口，用來控制是否需要返回人臉質量，取值true或false，默認false。
MaxFaceNumber Long 否 1

兼容老版本接口，用來設置圖片中人臉的最大返回數量，取值范圍1~10，默認為1。若想返回多個人臉檢測結果，請正確設置。默認按返回參數FaceProbabilityList進行降序排列。

返回數據

名稱

類型

示例值

描述
RequestId String 8251C88E-8273-4DBF-94FB-A6BCB268CEA2

請求ID。
Data Object

返回的結果數據內容。
Pupils Array of Float [397.06,183.99,7.87,487.49,173.85,7.87]

左右兩個瞳孔的中心點坐標和半徑，每個人臉6個浮點數，順序為[left_iris_cenpt.x, left_iris_cenpt.y, left_iris_radius, right_iris_cenpt.x, right_iris_cenpt.y, right_iris_radis]。
GenderList Array of Integer 1

識別到的人臉性別。如有多個人臉，則依次返回。

  • 0：女性
  • 1：男性
Expressions Array of Integer 0

人臉識別的表情結果。包括：

  • 0：中性
  • 1：微笑
DenseFeatures Array of String [-0.04283177852630615, 0.01496131718158722, 0.08304227143526077, -0.006072732154279947, -0.012721054255962372, -0.024241730570793152, -0.03138406202197075, 0.006191537249833345, 0.017898650839924812, -0.03185232728719711, -0.02717948891222477, 0.028409384191036224, -0.03557640686631203, -0.02255111373960972, -0.030578967183828354, 0.011586467735469341, -0.005520580802112818, -0.0061850580386817455, -0.023915085941553116, 0.014204374514520168]

人臉識別返回的特征。如有多個人臉，則依次返回。

說明 由于版本升級，該字段廢棄，返回數據無實際意義。
FaceCount Integer 1

檢測出來的人臉個數。
Landmarks Array of Float [371.31,170.54,421.14,162.72,395.33,156.36,396.06,167.71,377.92,164.47,386.19,158.26,404.89,156.61,413.89,157.87,378.82,171,387.24,168.73,404.84,167.34,413.57,167.26,458.27,159.5,521.24,165.59,490.58,......]

人臉的特征點定位結果，每個人臉返回一組特征點位置，表示方式為（x0, y0, x1, y1, ……）。如有多個人臉，則依次返回，返回定位浮點數。
LandmarkCount Integer 105

人臉檢測的特征點數目，目前固定為105點。依次為：眉毛24點，眼睛32點，鼻子6點，嘴巴34點，外輪廓9點。
Qualities Object

人臉質量情況，分數越高表示越有利于識別。
ScoreList Array of Float 87.47

質量綜合分數，分數越高越有利于識別，取值范圍(0,100]。如有多張人臉，則依次返回。在識別時，推薦設置閾值大于等于85（您可以按實際應用場景判斷設置閾值與否及相應閾值大小），大于85代表圖片綜合質量越高，小于85代表圖片綜合質量越低。
BlurList Array of Float 99.99

人臉模糊度對識別的影響分數，分數越高越有利于識別，取值范圍(0,100]。如有多個人臉，則依次順延。在識別時，推薦設置閾值大于等于85（您可以按實際應用場景判斷設置閾值與否及相應閾值大小），大于85代表圖片模糊的概率越低，小于85代表圖片模糊的概率越高。
FnfList Array of Float 100

目標是否為人臉及其對識別的影響分數，分數越高越有利于識別，取值范圍(0,100]。如有多個人臉，則依次順延。在識別時，推薦設置閾值大于等于85（您可以按實際應用場景判斷設置閾值與否及相應閾值大小），大于85代表圖片是人臉的概率越高，小于85代表圖片不是人臉的概率越低。
GlassList Array of Float 97.59

眼鏡等上半臉遮擋對識別的影響分數，分數越高越有利于識別，取值范圍(0,100]。如有多個人臉，則依次順延。在識別時，推薦設置閾值大于等于85（您可以按實際應用場景判斷設置閾值與否及相應閾值大小），大于85代表戴眼鏡的概率越低，小于85代表戴眼鏡的概率越高。
IlluList Array of Float 99.97

光照對識別的影響分數，分數越高越有利于識別，取值范圍(0,100]。如有多個人臉，則依次順延。在識別時，推薦設置閾值大于等于85（您可以按實際應用場景判斷設置閾值與否及相應閾值大小），大于85代表圖片光照好的概率越高，小于85代表圖片光照好的概率越低。
MaskList Array of Float 93.33

口罩等下半臉遮擋對識別的影響分數，分數越高越有利于識別，取值范圍(0,100]。如有多個人臉，則依次順延。在識別時，推薦設置閾值大于等于85（您可以按實際應用場景判斷設置閾值與否及相應閾值大小），大于85代表戴口罩概率越低，小于85代表戴口罩概率越高。
NoiseList Array of Float 99.73

圖片噪聲對識別的影響分數，分數越高越有利于識別，取值范圍(0,100]。如有多個人臉，則依次順延。在識別時，推薦設置閾值大于等于85（您可以按實際應用場景判斷設置閾值與否及相應閾值大小），大于85代表圖片有噪聲的概率越低，小于85代表圖片有噪聲的概率越高。
PoseList Array of Float 11.57

姿態對識別的影響分數，分數越高越有利于識別，取值范圍(0,100]。如有多個人臉，則依次順延。在識別時，推薦設置閾值大于等于85（您可以按實際應用場景判斷設置閾值與否及相應閾值大小），大于85代表人臉姿態正面的概率越高，小于85代表人臉姿態正面的概率越低。
BeautyList Array of Float 48

顏值分數，分值越高顏值越高，取值范圍(0-100]。
HatList Array of Integer 0

人臉是否佩戴帽子。

  • 0：無帽子
  • 1：有帽子
FaceProbabilityList Array of Float 0.95

返回人臉檢測的概率，取值范圍0~1。如有多個人臉，則依次返回。例如有兩個人臉則返回[face_prob1, face_prob2]。
Glasses Array of Integer 1

人臉是否佩戴眼鏡。

  • 0：不戴眼鏡
  • 1：佩戴普通眼鏡
  • 2：佩戴墨鏡
FaceRectangles Array of Integer [356,84,211,278]

返回人臉矩形框，分別是[left, top, width, height]。如有多個人臉，則依次順延，返回矩形框。例如有兩個人臉則返回[left1, top1, width1, height1, left2, top2, width2, height2]。

left-top: 表示以圖片左上角為坐標原點，目標框所對應的左上角點位置（x,y），表示框的第一個點距離圖片左邊界x像素，距離上邊界y個像素。

width-height：表示目標框的寬和高。

目標框面積為width*height，目標框右下角坐標為（left+width,top+height）。
PoseList Array of Float [-12.7,7.48,0.12]

返回人臉姿態，格式為[yaw, pitch, roll]。如有多個人臉，則依次返回。

  • yaw為左右角度，取值范圍-90~90。
  • pitch為上下角度，取值范圍-90~90。
  • roll為平面旋轉角度，取值范圍-180~180。
AgeList Array of Integer 57

圖片中人臉年齡，取值范圍0~100。如有多個人臉，依次返回多個人臉的年齡。
DenseFeatureLength Integer 1024

人臉識別返回的特征維度，目前固定為1024。
Masks Array of Long 0

人臉是否佩戴口罩。

  • 0：未佩戴口罩
  • 1：佩戴口罩
  • 2：未正確佩戴口罩

SDK參考

阿里云視覺AI人臉人體類目下的人臉屬性識別能力推薦使用SDK調用，支持多種編程語言，調用時請選擇AI類目為人臉人體（facebody）的SDK包，文件參數通過SDK調用可支持本地文件及任意URL，具體可參見SDK總覽。

示例代碼

該能力常用語言的示例代碼，請參見人臉屬性識別示例代碼。

示例

請求示例

http(s)://facebody.cn-shanghai.aliyuncs.com/?Action=RecognizeFace      //更多關于訪問域名（Endpoint）信息，請參見：http://bestwisewords.com/document_detail/143103.html
&ImageURL=http://viapi-test.oss-cn-shanghai.aliyuncs.com/viapi-3.0domepic/facebody/RecognizeFace/RecognizeFace1.png
&Age=false
&Gender=false
&Hat=false
&Glass=false
&Beauty=false
&Expression=false
&Mask=false
&Quality=false
&MaxFaceNumber=1
&公共請求參數

正常返回示例

XML格式

HTTP/1.1 200 OK
Content-Type:application/xml

<RecognizeFaceResponse>
    <RequestId>8251C88E-8273-4DBF-94FB-A6BCB268CEA2</RequestId>
    <Data>
        <Pupils>397.06</Pupils>
        <Pupils>183.99</Pupils>
        <Pupils>7.87</Pupils>
        <Pupils>487.49</Pupils>
        <Pupils>173.85</Pupils>
        <Pupils>7.87</Pupils>
        <GenderList>1</GenderList>
        <Expressions>0</Expressions>
        <DenseFeatures>[-0.04283177852630615, 0.01496131718158722, 0.08304227143526077, -0.006072732154279947, -0.012721054255962372, -0.024241730570793152, -0.03138406202197075, 0.006191537249833345, 0.017898650839924812, -0.03185232728719711, -0.02717948891222477, 0.028409384191036224, -0.03557640686631203, -0.02255111373960972, -0.030578967183828354, 0.011586467735469341, -0.005520580802112818, -0.0061850580386817455, -0.023915085941553116, 0.014204374514520168]</DenseFeatures>
        <FaceCount>1</FaceCount>
        <Landmarks>371.31</Landmarks>
        <Landmarks>170.54</Landmarks>
        <Landmarks>421.14</Landmarks>
        <Landmarks>162.72</Landmarks>
        <Landmarks>395.33</Landmarks>
        <Landmarks>156.36</Landmarks>
        <Landmarks>396.06</Landmarks>
        <Landmarks>167.71</Landmarks>
        <Landmarks>377.92</Landmarks>
        <Landmarks>164.47</Landmarks>
        <Landmarks>386.19</Landmarks>
        <Landmarks>158.26</Landmarks>
        <Landmarks>404.89</Landmarks>
        <Landmarks>156.61</Landmarks>
        <Landmarks>413.89</Landmarks>
        <Landmarks>157.87</Landmarks>
        <Landmarks>378.82</Landmarks>
        <Landmarks>171</Landmarks>
        <Landmarks>387.24</Landmarks>
        <Landmarks>168.73</Landmarks>
        <Landmarks>404.84</Landmarks>
        <Landmarks>167.34</Landmarks>
        <Landmarks>413.57</Landmarks>
        <Landmarks>167.26</Landmarks>
        <Landmarks>458.27</Landmarks>
        <Landmarks>159.5</Landmarks>
        <Landmarks>521.24</Landmarks>
        <Landmarks>165.59</Landmarks>
        <Landmarks>490.58</Landmarks>
        <Landmarks>150.77</Landmarks>
        <Landmarks>490.23</Landmarks>
        <Landmarks>162.28</Landmarks>
        <Landmarks>467.51</Landmarks>
        <Landmarks>153.1</Landmarks>
        <Landmarks>479.01</Landmarks>
        <Landmarks>151.32</Landmarks>
        <Landmarks>502.02</Landmarks>
        <Landmarks>153.2</Landmarks>
        <Landmarks>513.06</Landmarks>
        <Landmarks>159.78</Landmarks>
        <Landmarks>468</Landmarks>
        <Landmarks>163.52</Landmarks>
        <Landmarks>478.98</Landmarks>
        <Landmarks>162.32</Landmarks>
        <Landmarks>501.41</Landmarks>
        <Landmarks>163.93</Landmarks>
        <Landmarks>512.07</Landmarks>
        <Landmarks>166.6</Landmarks>
        <Landmarks>381.98</Landmarks>
        <Landmarks>187.97</Landmarks>
        <Landmarks>419.4</Landmarks>
        <Landmarks>184.68</Landmarks>
        <Landmarks>386.29</Landmarks>
        <Landmarks>184.05</Landmarks>
        <Landmarks>389.33</Landmarks>
        <Landmarks>180.31</Landmarks>
        <Landmarks>394.56</Landmarks>
        <Landmarks>178.97</Landmarks>
        <Landmarks>398.93</Landmarks>
        <Landmarks>176.7</Landmarks>
        <Landmarks>404.67</Landmarks>
        <Landmarks>178.01</Landmarks>
        <Landmarks>410.16</Landmarks>
        <Landmarks>178.29</Landmarks>
        <Landmarks>414.64</Landmarks>
        <Landmarks>181.61</Landmarks>
        <Landmarks>386.62</Landmarks>
        <Landmarks>188.63</Landmarks>
        <Landmarks>390.22</Landmarks>
        <Landmarks>189.61</Landmarks>
        <Landmarks>395.06</Landmarks>
        <Landmarks>189.65</Landmarks>
        <Landmarks>399.35</Landmarks>
        <Landmarks>189.78</Landmarks>
        <Landmarks>404.47</Landmarks>
        <Landmarks>188.86</Landmarks>
        <Landmarks>409.6</Landmarks>
        <Landmarks>187.94</Landmarks>
        <Landmarks>414.35</Landmarks>
        <Landmarks>186.47</Landmarks>
        <Landmarks>467.88</Landmarks>
        <Landmarks>180.89</Landmarks>
        <Landmarks>509.45</Landmarks>
        <Landmarks>179.81</Landmarks>
        <Landmarks>472.7</Landmarks>
        <Landmarks>177.13</Landmarks>
        <Landmarks>476.94</Landmarks>
        <Landmarks>173.17</Landmarks>
        <Landmarks>483.16</Landmarks>
        <Landmarks>172.02</Landmarks>
        <Landmarks>488.5</Landmarks>
        <Landmarks>170.41</Landmarks>
        <Landmarks>494.14</Landmarks>
        <Landmarks>172.17</Landmarks>
        <Landmarks>499.85</Landmarks>
        <Landmarks>173.15</Landmarks>
        <Landmarks>504.05</Landmarks>
        <Landmarks>176.58</Landmarks>
        <Landmarks>473.23</Landmarks>
        <Landmarks>182.31</Landmarks>
        <Landmarks>478.06</Landmarks>
        <Landmarks>183.11</Landmarks>
        <Landmarks>483.77</Landmarks>
        <Landmarks>183.5</Landmarks>
        <Landmarks>488.64</Landmarks>
        <Landmarks>183.77</Landmarks>
        <Landmarks>493.94</Landmarks>
        <Landmarks>183.26</Landmarks>
        <Landmarks>499.41</Landmarks>
        <Landmarks>182.57</Landmarks>
        <Landmarks>503.69</Landmarks>
        <Landmarks>181.14</Landmarks>
        <Landmarks>437.26</Landmarks>
        <Landmarks>181.67</Landmarks>
        <Landmarks>430.77</Landmarks>
        <Landmarks>225.48</Landmarks>
        <Landmarks>434.38</Landmarks>
        <Landmarks>203.34</Landmarks>
        <Landmarks>435.09</Landmarks>
        <Landmarks>245.37</Landmarks>
        <Landmarks>414.99</Landmarks>
        <Landmarks>243.56</Landmarks>
        <Landmarks>463.03</Landmarks>
        <Landmarks>241.47</Landmarks>
        <Landmarks>402.97</Landmarks>
        <Landmarks>282.43</Landmarks>
        <Landmarks>487.32</Landmarks>
        <Landmarks>279.44</Landmarks>
        <Landmarks>404.76</Landmarks>
        <Landmarks>282.21</Landmarks>
        <Landmarks>484.51</Landmarks>
        <Landmarks>279.63</Landmarks>
        <Landmarks>436.81</Landmarks>
        <Landmarks>269.19</Landmarks>
        <Landmarks>428.83</Landmarks>
        <Landmarks>269.46</Landmarks>
        <Landmarks>444.9</Landmarks>
        <Landmarks>269.87</Landmarks>
        <Landmarks>414.07</Landmarks>
        <Landmarks>273.42</Landmarks>
        <Landmarks>466.73</Landmarks>
        <Landmarks>272.4</Landmarks>
        <Landmarks>407.94</Landmarks>
        <Landmarks>277.81</Landmarks>
        <Landmarks>421.38</Landmarks>
        <Landmarks>271.38</Landmarks>
        <Landmarks>455.7</Landmarks>
        <Landmarks>271</Landmarks>
        <Landmarks>477.47</Landmarks>
        <Landmarks>276.08</Landmarks>
        <Landmarks>437.71</Landmarks>
        <Landmarks>290.09</Landmarks>
        <Landmarks>417.1</Landmarks>
        <Landmarks>288.03</Landmarks>
        <Landmarks>464.19</Landmarks>
        <Landmarks>286.36</Landmarks>
        <Landmarks>409.84</Landmarks>
        <Landmarks>284.75</Landmarks>
        <Landmarks>427.92</Landmarks>
        <Landmarks>288.61</Landmarks>
        <Landmarks>450.74</Landmarks>
        <Landmarks>287.81</Landmarks>
        <Landmarks>475.9</Landmarks>
        <Landmarks>282.68</Landmarks>
        <Landmarks>437.36</Landmarks>
        <Landmarks>278.04</Landmarks>
        <Landmarks>437.64</Landmarks>
        <Landmarks>277.63</Landmarks>
        <Landmarks>420.34</Landmarks>
        <Landmarks>278.65</Landmarks>
        <Landmarks>420.04</Landmarks>
        <Landmarks>278.69</Landmarks>
        <Landmarks>460.92</Landmarks>
        <Landmarks>277.64</Landmarks>
        <Landmarks>461.01</Landmarks>
        <Landmarks>277.22</Landmarks>
        <Landmarks>412.68</Landmarks>
        <Landmarks>280.41</Landmarks>
        <Landmarks>412.5</Landmarks>
        <Landmarks>279.99</Landmarks>
        <Landmarks>429.06</Landmarks>
        <Landmarks>278.19</Landmarks>
        <Landmarks>429.05</Landmarks>
        <Landmarks>277.65</Landmarks>
        <Landmarks>448.83</Landmarks>
        <Landmarks>277.82</Landmarks>
        <Landmarks>449.13</Landmarks>
        <Landmarks>276.93</Landmarks>
        <Landmarks>472.58</Landmarks>
        <Landmarks>278.55</Landmarks>
        <Landmarks>472.59</Landmarks>
        <Landmarks>278.16</Landmarks>
        <Landmarks>365.8</Landmarks>
        <Landmarks>192</Landmarks>
        <Landmarks>566.18</Landmarks>
        <Landmarks>185.68</Landmarks>
        <Landmarks>440.54</Landmarks>
        <Landmarks>352.94</Landmarks>
        <Landmarks>372.84</Landmarks>
        <Landmarks>289.96</Landmarks>
        <Landmarks>548.44</Landmarks>
        <Landmarks>300.96</Landmarks>
        <Landmarks>364.88</Landmarks>
        <Landmarks>240.03</Landmarks>
        <Landmarks>565.1</Landmarks>
        <Landmarks>243.91</Landmarks>
        <Landmarks>397.45</Landmarks>
        <Landmarks>334.16</Landmarks>
        <Landmarks>501.07</Landmarks>
        <Landmarks>340.61</Landmarks>
        <LandmarkCount>105</LandmarkCount>
        <Qualities>
            <ScoreList>87.47</ScoreList>
            <BlurList>99.99</BlurList>
            <FnfList>100</FnfList>
            <GlassList>97.59</GlassList>
            <IlluList>99.97</IlluList>
            <MaskList>93.33</MaskList>
            <NoiseList>99.73</NoiseList>
            <PoseList>11.57</PoseList>
        </Qualities>
        <BeautyList>48</BeautyList>
        <HatList>0</HatList>
        <FaceProbabilityList>0.95</FaceProbabilityList>
        <Glasses>1</Glasses>
        <FaceRectangles>356</FaceRectangles>
        <FaceRectangles>84</FaceRectangles>
        <FaceRectangles>211</FaceRectangles>
        <FaceRectangles>278</FaceRectangles>
        <PoseList>-12.7</PoseList>
        <PoseList>7.48</PoseList>
        <PoseList>0.12</PoseList>
        <AgeList>57</AgeList>
        <DenseFeatureLength>1024</DenseFeatureLength>
        <Masks>0</Masks>
    </Data>
</RecognizeFaceResponse>

JSON格式

HTTP/1.1 200 OK
Content-Type:application/json

{
  "RequestId" : "8251C88E-8273-4DBF-94FB-A6BCB268CEA2",
  "Data" : {
    "Pupils" : [ 397.06, 183.99, 7.87, 487.49, 173.85, 7.87 ],
    "GenderList" : [ 1 ],
    "Expressions" : [ 0 ],
    "DenseFeatures" : [ "[-0.04283177852630615, 0.01496131718158722, 0.08304227143526077, -0.006072732154279947, -0.012721054255962372, -0.024241730570793152, -0.03138406202197075, 0.006191537249833345, 0.017898650839924812, -0.03185232728719711, -0.02717948891222477, 0.028409384191036224, -0.03557640686631203, -0.02255111373960972, -0.030578967183828354, 0.011586467735469341, -0.005520580802112818, -0.0061850580386817455, -0.023915085941553116, 0.014204374514520168]" ],
    "FaceCount" : 1,
    "Landmarks" : [ 371.31, 170.54, 421.14, 162.72, 395.33, 156.36, 396.06, 167.71, 377.92, 164.47, 386.19, 158.26, 404.89, 156.61, 413.89, 157.87, 378.82, 171, 387.24, 168.73, 404.84, 167.34, 413.57, 167.26, 458.27, 159.5, 521.24, 165.59, 490.58, 150.77, 490.23, 162.28, 467.51, 153.1, 479.01, 151.32, 502.02, 153.2, 513.06, 159.78, 468, 163.52, 478.98, 162.32, 501.41, 163.93, 512.07, 166.6, 381.98, 187.97, 419.4, 184.68, 386.29, 184.05, 389.33, 180.31, 394.56, 178.97, 398.93, 176.7, 404.67, 178.01, 410.16, 178.29, 414.64, 181.61, 386.62, 188.63, 390.22, 189.61, 395.06, 189.65, 399.35, 189.78, 404.47, 188.86, 409.6, 187.94, 414.35, 186.47, 467.88, 180.89, 509.45, 179.81, 472.7, 177.13, 476.94, 173.17, 483.16, 172.02, 488.5, 170.41, 494.14, 172.17, 499.85, 173.15, 504.05, 176.58, 473.23, 182.31, 478.06, 183.11, 483.77, 183.5, 488.64, 183.77, 493.94, 183.26, 499.41, 182.57, 503.69, 181.14, 437.26, 181.67, 430.77, 225.48, 434.38, 203.34, 435.09, 245.37, 414.99, 243.56, 463.03, 241.47, 402.97, 282.43, 487.32, 279.44, 404.76, 282.21, 484.51, 279.63, 436.81, 269.19, 428.83, 269.46, 444.9, 269.87, 414.07, 273.42, 466.73, 272.4, 407.94, 277.81, 421.38, 271.38, 455.7, 271, 477.47, 276.08, 437.71, 290.09, 417.1, 288.03, 464.19, 286.36, 409.84, 284.75, 427.92, 288.61, 450.74, 287.81, 475.9, 282.68, 437.36, 278.04, 437.64, 277.63, 420.34, 278.65, 420.04, 278.69, 460.92, 277.64, 461.01, 277.22, 412.68, 280.41, 412.5, 279.99, 429.06, 278.19, 429.05, 277.65, 448.83, 277.82, 449.13, 276.93, 472.58, 278.55, 472.59, 278.16, 365.8, 192, 566.18, 185.68, 440.54, 352.94, 372.84, 289.96, 548.44, 300.96, 364.88, 240.03, 565.1, 243.91, 397.45, 334.16, 501.07, 340.61 ],
    "LandmarkCount" : 105,
    "Qualities" : {
      "ScoreList" : [ 87.47 ],
      "BlurList" : [ 99.99 ],
      "FnfList" : [ 100 ],
      "GlassList" : [ 97.59 ],
      "IlluList" : [ 99.97 ],
      "MaskList" : [ 93.33 ],
      "NoiseList" : [ 99.73 ],
      "PoseList" : [ 11.57 ]
    },
    "BeautyList" : [ 48 ],
    "HatList" : [ 0 ],
    "FaceProbabilityList" : [ 0.95 ],
    "Glasses" : [ 1 ],
    "FaceRectangles" : [ 356, 84, 211, 278 ],
    "PoseList" : [ -12.7, 7.48, 0.12 ],
    "AgeList" : [ 57 ],
    "DenseFeatureLength" : 1024,
    "Masks" : [ 0 ]
  }
}

錯誤碼

關于人臉屬性識別的錯誤碼，詳情請參見常見錯誤碼。

開源模型體驗

更多開源免費模型體驗及下載，詳見魔搭社區：人臉屬性識別模型FairFace、人臉表情識別模型FER、人臉質量模型FQA。

安全聲明

  • 請確保上傳的圖片或文件來源符合相應的法律法規。
  • 通過體驗調試上傳的臨時文件有效期為1小時，在24小時后會被系統自動清理刪除。
  • 平臺不存儲用戶在使用服務過程中涉及的原始人臉圖片或文件信息。