翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# センサー、入力イメージ、ビデオのベストプラクティス
このセクションでは、Amazon Rekognition の使用に関するベストプラクティスを紹介します。これらのベストプラクティスは、呼び出すオペレーションから最適なパフォーマンスを引き出すのに役立ちます。オペレーションから期待される結果を得るのが難しい場合は、ここで説明されているベストプラクティスに従っていることを確認してください。
画像オペレーションのレイテンシーについては、以下を参照してください。
+ [Amazon Rekognition イメージオペレーションのレイテンシ](operation-latency.md)
顔比較および顔検索のオペレーションでは、画像内の顔を検索するために特定のベストプラクティスに従う必要があります。これらの要件は以下のリンク先にも記載されています。
+ [顔比較用の入力イメージに関する推奨事項](recommendations-facial-input-images.md)
+ [コレクション内で顔を検索するときの推奨事項](recommendations-facial-input-images-search.md)
以下のセクションでは、Amazon Rekognition が分析できるメディアのタイプ別に、カメラを設定する方法について説明します。
+ [カメラセットアップの推奨事項 (画像およびビデオ)](recommendations-camera-image-video.md)
+ [カメラセットアップの推奨事項 (保存済みビデオおよびストリーミングビデオ)](recommendations-camera-stored-streaming-video.md)
+ [カメラセットアップの推奨事項 (ストリーミングビデオ)](recommendations-camera-streaming-video.md)
顔のライブネスチェックオペレーションにも独自のベストプラクティスがあり、ライブネスチェックツールから最高のパフォーマンスを引き出すためには従う必要があります。
+ [Face Liveness の使用に関する推奨事項](recommendations-liveness.md)
# Amazon Rekognition イメージオペレーションのレイテンシ
Amazon Rekognition イメージ オペレーションの可能な限り低いレイテンシーを実現するには、以下の点を考慮します。
+ イメージが含まれている Amazon S3 バケットのリージョンと Amazon Rekognition イメージ API オペレーションで使用するリージョンが一致している必要があります。
+ イメージのバイトを使用した Amazon Rekognition イメージ オペレーションの呼び出しは、イメージを Amazon S3 バケットにアップロードしてから、アップロードされたイメージを Amazon Rekognition イメージ オペレーションで参照するよりも高速です。ほぼリアルタイムの処理のためにイメージを Amazon Rekognition イメージ にアップロードする場合は、この手法を検討してください。例えば、IP カメラからアップロードされるイメージや、ウェブポータルを通じてアップロードされるイメージです。
+ イメージがすでに Amazon S3 バケットにある場合、Amazon Rekognition イメージ オペレーションで参照すると、イメージのバイトをオペレーションに渡すよりも高速になる可能性があります。
# 顔比較用の入力イメージに関する推奨事項
顔比較オペレーションに使用されるモデルは、さまざまなポーズ、表情、年齢層、ローテーション、照明条件、サイズで機能するように設計されています。[CompareFaces](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CompareFaces.html) の参考写真を選んだり、[IndexFaces](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_IndexFaces.html) を使ってコレクションに顔を追加したりするときは、以下のガイドラインに従うことが推奨されます。
## 顔のオペレーションの入力画像に関する一般推奨事項
+ 明るくシャープな画像を使用します。被写体やカメラの動きによって、ぼやけている可能性がある画像は、できるだけ使用しないでください。明るさとシャープネスは、[DetectFaces](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectFaces.html) で判断できます。
+ 視線を検出するときは、元の画像を元のサイズおよび画質のままでアップロードすることが推奨されます。
+ 推奨される角度範囲内に顔がある画像を使用します。ピッチは、下向きに 30 度未満、上向きに 45 度未満にしてください。ヨーイングはどちらの方向にも 45 度未満である必要があります。ロールに制限はありません。
+ 両目が開いて見える顔の画像を使用します。
+ 顔がピンぼけしていたり、その大部分が切り取られたりしていない画像を使用します。イメージには人の頭全体と肩が含まれている必要があります。顔の境界ボックスに切り取られている必要はありません。
+ ヘッドバンドやマスクなど、顔を遮るものは避けます。
+ 顔が画像の大部分を占めている画像を使用します。顔が画像の大部分を占める画像は、より高い精度でマッチングされます。
+ 画像の解像度が十分に大きいことを確認します。Amazon Rekognition は、最大 1,920 x 1,080 の解像度のイメージで 50 x 50 ピクセルの小さい顔を認識できます。高解像度のイメージでは、最小の顔として、より大きいサイズが必要です。最小サイズより大きい顔は、顔比較でより正確な結果のセットを提供します。
+ カラーイメージを使用すること。
+ 影などの陰影がなく、照明が顔に均一に当たっている画像を使用します。
+ 背景とのコントラストが十分である画像を使用します。高コントラストのモノクロの背景が最適です。
+ 高精度を必要とするアプリケーションには、口を閉じて、わずかにほほ笑むかほほ笑まない中立的な表情を持つ顔の画像を使用してください。
# コレクション内で顔を検索するときの推奨事項
+ コレクション内で顔を検索するときは、最新の顔画像がインデックスに登録されていることを確認します。
+ `IndexFaces` を使用してコレクションを作成する際、ピッチとヨーイングの異なる (推奨角度範囲内の) 複数の個人の顔画像を使用します。少なくともその人物の 5 枚の画像をインデックスに登録することをお勧めします。正面をまっすぐ向いたもの、45 度以下のヨーイングで左を向いた顔、45 度以下のヨーイングで右を向いた顔、30 度以下のピッチで下を向いた顔、45 度以下のピッチで上を向いた顔。これらのフェイスインスタンスが同じ個人に属していることを追跡するときに、インデックス付けされているイメージ内に顔が 1 つしかない場合は、外部イメージ ID 属性を使用することを検討してください。例えば、`John_Doe_1.jpg, … John_Doe_5.jpg` のような外部のイメージ ID を使用して、コレクションの中から John Doe の 5 枚のイメージを追跡できます。
# カメラセットアップの推奨事項 (画像およびビデオ)
以下の推奨事項は [顔比較用の入力イメージに関する推奨事項](recommendations-facial-input-images.md) に追加されます。
![\[航空機の動きの 3 つの軸 (ピッチ、ロール、ヨー) を示す図。灰色の人の頭のアイコンを中心に各軸の方向を示す矢印が示されている。\]](http://docs.aws.amazon.com/ja_jp/rekognition/latest/dg/images/RPY-diagram.png)
+ イメージの解像度 顔の解像度が最大 1,920 x 1,080 の合計解像度を持つイメージに対して 50 x 50 ピクセルである限り、イメージの解像度に最小要件はありません。高解像度のイメージでは、最小の顔として、より大きいサイズが必要です。
**注記**
前述の推奨事項は、カメラのネイティブ解像度に基づいています。低解像度画像から高解像度画像を生成しても、顔検索に必要な結果は得られません (画像のアップサンプリングによって生成されるアーティファクトのため)。
+ カメラアングル-カメラアングルには、ピッチ、ロール、ヨーイングの 3 つの測定値があります。
+ ピッチ - 30 度未満のピッチをお勧めします。カメラが下を向いているとき、カメラが上を向いているときは 45 度未満にします。
+ ロール-このパラメータには最小要件はありません。Amazon Rekognition はどんな量のロールでも処理できます。
+ ヨーイング - いずれの方向でも 45 度以下のヨーイングを推奨します。
カメラによってキャプチャされる任意の軸に沿った顔の角度は、シーンに面するカメラアングルと被写体の頭がシーン内にある角度の両方の組み合わせです。例えば、カメラは 30 度下向きに、ユーザーがさらに 30 度頭を下げている場合、カメラから見た実際のフェイスピッチは 60 度です。この場合、Amazon Rekognition は顔を認識することはできません。カメラアングルは、一般的に、30 度以下の全体的なピッチ (顔とカメラを合わせて) でカメラを覗いているという想定に基づいてカメラを設定することをお勧めします。
+ カメラのズーム – 推奨される最小顔解像度 (50 x 50 ピクセル) に基づいて、このパラメータを指定します。被写体の顔解像度が 50 X 50 ピクセル以上になるカメラのズーム設定を使用することをお勧めします。
+ カメラの高さ – 推奨されるカメラピッチに基づいて、このパラメータを指定します。
# カメラセットアップの推奨事項 (保存済みビデオおよびストリーミングビデオ)
以下の推奨事項は [カメラセットアップの推奨事項 (画像およびビデオ)](recommendations-camera-image-video.md) に追加されます。
+ コーデックは h.264 でエンコードする必要があります。
+ 推奨されるフレームレートは 30 fps です (5 fps 未満にすることはできません)。
+ エンコーダの推奨ビットレートは 3 Mbps です (1.5 Mbps 未満にすることはできません)。
+ フレーム解像度 – エンコーダのビットレートが制約事項である場合、より良い顔検索結果を得るために、フレームレートの高さよりもフレーム解像度の高さを優先することをお勧めします。これにより、Amazon Rekognition は割り当てられたビットレート内で最高品質のフレームを取得できます。ただし、これには欠点があります。フレームレートが低いため、カメラではシーン内の高速の動きが捉えられません。所定の設定に対する、これら 2 つのパラメータ間の損失評価を理解することが重要です。例えば、指定可能な最大ビットレートが 1.5 Mbps の場合、カメラは 5fps で 1080p、15fps で 720p をキャプチャできます。推奨される 50 x 50 ピクセルの顔解像度が満たされている限り、2 つのいずれを選択するかはアプリケーションに依存します。
# カメラセットアップの推奨事項 (ストリーミングビデオ)
次の推奨事項は [カメラセットアップの推奨事項 (保存済みビデオおよびストリーミングビデオ)](recommendations-camera-stored-streaming-video.md) に追加されます。
ストリーミングアプリケーションに関する追加の制約事項はインターネット帯域幅です。ライブ動画では、Amazon Rekognition は入力として Amazon Kinesis Video Streams のみを受け付けます。エンコーダのビットレートと利用可能なネットワーク帯域幅の間の依存関係を理解する必要があります。利用可能な帯域幅は、最小限、カメラがライブストリームのエンコードに使用しているのと同じビットレートをサポートする必要があります。これにより、カメラによってキャプチャされたものはすべて、Amazon Kinesis Video Streams によって中継されるようになります。使用可能な帯域幅がエンコーダビットレートよりも小さい場合、Amazon Kinesis Video Streams はネットワーク帯域幅に基づいてビットを下げます。これにより、ビデオの品質が低下します。
一般的なストリーミング設定では、ストリームを中継するネットワークハブに複数のカメラを接続します。この場合、帯域幅は、ハブに接続されているすべてのカメラからのストリームの累積合計に対応する必要があります。例えば、ハブが 1.5 Mbps でエンコードされている 5 台のカメラに接続されている場合、使用可能なネットワーク帯域幅は少なくとも 7.5 Mbps であることが必要です。削除されたパケットがないことを確認するには、カメラとハブの間の接続が切断されているため、ネットワーク帯域幅を 7.5 Mbps よりも高く維持してジッタに対処することを検討する必要があります。実際の値は、内部ネットワークの信頼性によって異なります。
# Face Liveness の使用に関する推奨事項
Rekognition Face Liveness を使用するときは次のベストプラクティスに従うことが推奨されます。
+ Face Liveness のチェックは、暗すぎず明るすぎない、照明が均一な環境で行います。
+ ウェブブラウザでチェックするときは、ディスプレイの画面の明るさを最大レベルまで上げます。Mobile Native SDK はディスプレイの明るさを自動的に調整します。
+ ユースケースの性質を反映した、信頼スコアのしきい値を選択します。セキュリティ上の懸念が大きいユースケースでは高いしきい値を使用します。
+ 監査画像には人間によるレビューチェックを定期的に実施し、設定した信頼性しきい値で、なりすまし攻撃が軽減しているか確認します。
+ 光に敏感なユーザーや、Rekognition を使用した顔のライブネス判定を希望しないユーザーには、別の判定方法を提案します。
+ ライブネスのチェックスコアは、ユーザーアプリケーションに送信したりそこに表示したりすることはできません。送信できるのは成功または失敗の信号のみです。
+ 1 つのデバイスで許容されるライブネスチェックの失敗数は 3 分間で 5 回までです。5 回失敗すると、そのユーザーは 30～60 分間タイムアウトします。このパターンが 3～5 回繰り返されると、そのユーザーデバイスはそれ以上の通話ができなくなります。
+ 準備完了画面をワークフローに実装すれば、ユーザーはよりスムーズに Face Liveness チェックに成功できるようになります。
+ お客様は、Face Liveness によるコンテンツの処理、保存、使用、転送に関して、エンドユーザーに法的に適切なプライバシー通知を提示し、エンドユーザーから必要な同意を取得する責任を負います。