文档

人脸属性识别

更新时间:

本文介绍人脸人体(facebody)类目下的人脸属性识别RecognizeFace的语法及示例。

功能描述

人脸属性识别能力可以识别检测人脸的性别、年龄、表情、眼镜、帽子五种属性,支持人脸遮挡、光照、模糊度、姿态、噪声综合质量评分,支持检测含有多张人脸的照片属性判断。

说明
  • 您可以进入在线咨询获取在线人工帮助。
  • 当前能力可在视觉智能开放平台有完整的免费产品体验,您可以单击立即试用对该能力进行更直观试用以及在线购买。
  • 阿里云视觉智能开放平台视觉AI能力API接入、接口使用或问题咨询等,请通过钉钉群(23109592)加入阿里云视觉智能开放平台咨询群联系我们。

特色优势

  • 适应能力强:不同照片、人脸尺寸多场景下,覆盖多个年龄段识别。
  • 图片质量打分:支持人脸遮挡、光照、模糊度、姿态、噪声综合质量评分。
  • 平台服务稳定:提供在高并发、大流量下的毫秒级识别响应和99.999%的可靠性保障。

接入指引

1. 注册阿里云账号:打开阿里云官网,在阿里云官网右上角,单击立即注册,按照操作提示完成账号注册。

2. 开通能力:请确保您已开通人脸人体服务,若未开通服务请立即开通

说明 本能力支持企业或个人认证用户开通。更多实名认证操作信息,请参见实名认证

3. 创建AccessKey:请确保您已创建AccessKey,如果您使用的是子账号AccessKey,您需要给子账号赋予AliyunVIAPIFullAccess权限,具体操作,请参见RAM授权

4. 在线调试(可选):您可以通过OpenAPI Explorer在线调试能力,查看完整的调用示例代码及SDK依赖信息,也可以下载完整的工程。

5. 开发接入步骤:

  • SDK总览中选择您要接入使用的SDK语言。
  • 在对应语言的SDK文档中找到AI类目为人脸人体(facebody)的SDK包进行安装。
  • 参考文档中提供的示例代码进行适当修改后调用。

6. 示例代码:该能力常用语言的示例代码,请参见人脸属性识别示例代码

7. 客户端直接调用:该能力常用的客户端调用方式包括以下几种。

输入限制

  • 图像格式:JPEG、JPG、PNG、BMP。
  • 图像大小:不超过20 MB。
  • 图像分辨率:大于32×32像素,小于4096×4096像素,人脸占比不低于64×64像素。
  • URL地址中不能包含中文字符。
说明 当图像分辨率超过最大限制时,请先将图片进行缩放,调整图片大小,具体请参见图片缩放

计费说明

关于人脸属性识别的计费方式及报价,请参见计费介绍

说明 下方调试接口为付费接口,如需免费体验调试请前往体验中心

调试

您可以在OpenAPI Explorer中直接运行该接口,免去您计算签名的困扰。运行成功后,OpenAPI Explorer可以自动生成SDK代码示例。

请求参数

名称

类型

是否必选

示例值

描述

Action String RecognizeFace

系统规定参数。取值:RecognizeFace

ImageURL String http://viapi-test.oss-cn-shanghai.aliyuncs.com/viapi-3.0domepic/facebody/RecognizeFace/RecognizeFace1.png

图像URL地址。推荐使用上海地域的OSS链接,对于文件在本地或者非上海地域OSS链接的情况,请参见文件URL处理

说明
  • 推荐新版本调用方式为只输入图片,当只传入ImageURL的时候所有接口数据都会返回,新版本支持返回最多10张人脸的数据。
  • 兼容老版本接口对布尔值入参和MaxFaceNumber的支持逻辑,当传入任意一个支持的布尔值入参或MaxFaceNumber以控制返回的数据时,只会返回设置了布尔值入参且为true的数据,这种调用方式不返回布尔值入参支持范围外的数据(Landmarks,LandmarkCount,PoseList,Pupils)。
Age Boolean false

兼容老版本接口,用来控制是否需要返回人脸年龄结果,取值true或false,默认false。

Gender Boolean false

兼容老版本接口,用来控制是否需要返回人脸性别结果,取值true或false,默认false。

Hat Boolean false

兼容老版本接口,用来控制是否需要返回人脸帽子结果,取值true或false,默认false。

Glass Boolean false

兼容老版本接口,用来控制是否需要返回人脸眼镜结果,取值true或false,默认false。

Beauty Boolean false

兼容老版本接口,用来控制是否需要返回人脸颜值结果,取值true或false,默认false。

Expression Boolean false

兼容老版本接口,用来控制是否需要返回人脸表情结果,取值true或false,默认false。

Mask Boolean false

兼容老版本接口,用来控制是否需要返回人脸口罩结果,取值true或false,默认false。

Quality Boolean false

兼容老版本接口,用来控制是否需要返回人脸质量,取值true或false,默认false。

MaxFaceNumber Long 1

兼容老版本接口,用来设置图片中人脸的最大返回数量,取值范围1~10,默认为1。若想返回多个人脸检测结果,请正确设置。默认按返回参数FaceProbabilityList进行降序排列。

返回数据

名称

类型

示例值

描述

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

请求ID。

Data Object

返回的结果数据内容。

Pupils Array of Float [397.06,183.99,7.87,487.49,173.85,7.87]

左右两个瞳孔的中心点坐标和半径,每个人脸6个浮点数,顺序为[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

识别到的人脸性别。如有多个人脸,则依次返回。

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

人脸识别的表情结果。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]

人脸识别返回的特征。如有多个人脸,则依次返回。

说明 由于版本升级,该字段废弃,返回数据无实际意义。
FaceCount Integer 1

检测出来的人脸个数。

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,......]

人脸的特征点定位结果,每个人脸返回一组特征点位置,表示方式为(x0, y0, x1, y1, ……)。如有多个人脸,则依次返回,返回定位浮点数。

LandmarkCount Integer 105

人脸检测的特征点数目,目前固定为105点。依次为:眉毛24点,眼睛32点,鼻子6点,嘴巴34点,外轮廓9点。

Qualities Object

人脸质量情况,分数越高表示越有利于识别。

ScoreList Array of Float 87.47

质量综合分数,分数越高越有利于识别,取值范围(0,100]。如有多张人脸,则依次返回。在识别时,推荐设置阈值大于等于85(您可以按实际应用场景判断设置阈值与否及相应阈值大小),大于85代表图片综合质量越高,小于85代表图片综合质量越低。

BlurList Array of Float 99.99

人脸模糊度对识别的影响分数,分数越高越有利于识别,取值范围(0,100]。如有多个人脸,则依次顺延。在识别时,推荐设置阈值大于等于85(您可以按实际应用场景判断设置阈值与否及相应阈值大小),大于85代表图片模糊的概率越低,小于85代表图片模糊的概率越高。

FnfList Array of Float 100

目标是否为人脸及其对识别的影响分数,分数越高越有利于识别,取值范围(0,100]。如有多个人脸,则依次顺延。在识别时,推荐设置阈值大于等于85(您可以按实际应用场景判断设置阈值与否及相应阈值大小),大于85代表图片是人脸的概率越高,小于85代表图片不是人脸的概率越低。

GlassList Array of Float 97.59

眼镜等上半脸遮挡对识别的影响分数,分数越高越有利于识别,取值范围(0,100]。如有多个人脸,则依次顺延。在识别时,推荐设置阈值大于等于85(您可以按实际应用场景判断设置阈值与否及相应阈值大小),大于85代表戴眼镜的概率越低,小于85代表戴眼镜的概率越高。

IlluList Array of Float 99.97

光照对识别的影响分数,分数越高越有利于识别,取值范围(0,100]。如有多个人脸,则依次顺延。在识别时,推荐设置阈值大于等于85(您可以按实际应用场景判断设置阈值与否及相应阈值大小),大于85代表图片光照好的概率越高,小于85代表图片光照好的概率越低。

MaskList Array of Float 93.33

口罩等下半脸遮挡对识别的影响分数,分数越高越有利于识别,取值范围(0,100]。如有多个人脸,则依次顺延。在识别时,推荐设置阈值大于等于85(您可以按实际应用场景判断设置阈值与否及相应阈值大小),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

图片噪声对识别的影响分数,分数越高越有利于识别,取值范围(0,100]。如有多个人脸,则依次顺延。在识别时,推荐设置阈值大于等于85(您可以按实际应用场景判断设置阈值与否及相应阈值大小),大于85代表图片有噪声的概率越低,小于85代表图片有噪声的概率越高。

PoseList Array of Float 11.57

姿态对识别的影响分数,分数越高越有利于识别,取值范围(0,100]。如有多个人脸,则依次顺延。在识别时,推荐设置阈值大于等于85(您可以按实际应用场景判断设置阈值与否及相应阈值大小),大于85代表人脸姿态正面的概率越高,小于85代表人脸姿态正面的概率越低。

BeautyList Array of Float 48

颜值分数,分值越高颜值越高,取值范围(0-100]。

HatList Array of Integer 0

人脸是否佩戴帽子。

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

返回人脸检测的概率,取值范围0~1。如有多个人脸,则依次返回。例如有两个人脸则返回[face_prob1, face_prob2]

Glasses Array of Integer 1

人脸是否佩戴眼镜。

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

返回人脸矩形框,分别是[left, top, width, height]。如有多个人脸,则依次顺延,返回矩形框。例如有两个人脸则返回[left1, top1, width1, height1, left2, top2, width2, height2]

left-top: 表示以图片左上角为坐标原点,目标框所对应的左上角点位置(x,y),表示框的第一个点距离图片左边界x像素,距离上边界y个像素。

width-height:表示目标框的宽和高。

目标框面积为width*height,目标框右下角坐标为(left+width,top+height)。

PoseList Array of Float [-12.7,7.48,0.12]

返回人脸姿态,格式为[yaw, pitch, roll]。如有多个人脸,则依次返回。

  • yaw为左右角度,取值范围-90~90。
  • pitch为上下角度,取值范围-90~90。
  • roll为平面旋转角度,取值范围-180~180。
AgeList Array of Integer 57

图片中人脸年龄,取值范围0~100。如有多个人脸,依次返回多个人脸的年龄。

DenseFeatureLength Integer 1024

人脸识别返回的特征维度,目前固定为1024。

Masks Array of Long 0

人脸是否佩戴口罩。

  • 0:未佩戴口罩
  • 1:佩戴口罩
  • 2:未正确佩戴口罩

SDK参考

阿里云视觉AI人脸人体类目下的人脸属性识别能力推荐使用SDK调用,支持多种编程语言,调用时请选择AI类目为人脸人体(facebody)的SDK包,文件参数通过SDK调用可支持本地文件及任意URL,具体可参见SDK总览

示例代码

该能力常用语言的示例代码,请参见人脸属性识别示例代码

示例

请求示例

http(s)://facebody.cn-shanghai.aliyuncs.com/?Action=RecognizeFace      //更多关于访问域名(Endpoint)信息,请参见:https://help.aliyun.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
&公共请求参数

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 ]
  }
}

错误码

关于人脸属性识别的错误码,详情请参见常见错误码

开源模型体验

更多开源免费模型体验及下载,详见魔搭社区:人脸属性识别模型FairFace人脸表情识别模型FER人脸质量模型FQA

安全声明

  • 请确保上传的图片或文件来源符合相应的法律法规。
  • 通过体验调试上传的临时文件有效期为1小时,在24小时后会被系统自动清理删除。
  • 平台不存储用户在使用服务过程中涉及的原始人脸图片或文件信息。