As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Melhores práticas para sensores, imagens de entrada e vídeos
Esta seção contém informações sobre as melhores práticas para o uso do Amazon Rekognition. Essas práticas recomendadas ajudarão você a obter o melhor desempenho das operações invocadas. Se você está com dificuldades para obter os resultados esperados de uma operação, siga as práticas recomendadas documentadas aqui.
Para obter informações sobre a latência das operações de imagem, consulte o seguinte:
+ [Latência de operação do Amazon Rekognition Image](operation-latency.md)
As operações de comparação facial e pesquisa de faces exigem que você siga as práticas recomendadas específicas para encontrar faces em uma imagem. Esses requisitos também foram documentados no seguinte link:
+ [Recomendações para imagens de entrada de comparação facial](recommendations-facial-input-images.md)
+ [Recomendações para pesquisar faces em uma coleção](recommendations-facial-input-images-search.md)
As seções a seguir abordam como configurar sua câmera para cada tipo de mídia que o Amazon Rekognition consegue analisar:
+ [Recomendações para a configuração da câmera (imagem e vídeo)](recommendations-camera-image-video.md)
+ [Recomendações para a configuração da câmera (vídeo armazenado e streaming)](recommendations-camera-stored-streaming-video.md)
+ [Recomendações para a configuração da câmera (streaming de vídeo)](recommendations-camera-streaming-video.md)
As operações de Vivacidade da face também têm práticas recomendadas próprias que devem ser seguidas para obter o melhor desempenho da ferramenta de verificação de vivacidade:
+ [Recomendações para o uso do Face Liveness](recommendations-liveness.md)
# Latência de operação do Amazon Rekognition Image
Para garantir a menor latência possível para as operações do Amazon Rekognition Image, considere o seguinte:
+ A região do bucket do Amazon S3 que contém as imagens deve corresponder à região que você usa para operações da API Amazon Rekognition Image.
+ Chamar uma operação do Amazon Rekognition Image com bytes de imagem é mais rápido do que carregar a imagem em um bucket do Amazon S3 e, em seguida, fazer referência à imagem carregada em uma operação do Amazon Rekognition Image. Considere essa abordagem se estiver fazendo upload de imagens para o Amazon Rekognition Image para processamento quase em tempo real. Por exemplo, imagens carregadas de uma câmera IP ou imagens carregadas por meio de um portal da web.
+ Se a imagem já estiver em um bucket do Amazon S3, fazer referência a ela em uma operação do Amazon Rekognition Image provavelmente será mais rápido do que passar os bytes da imagem para a operação.
# Recomendações para imagens de entrada de comparação facial
Os modelos usados para operações de comparação facial são projetados para trabalhar com uma grande variedade de poses, expressões faciais, faixas etárias, rotações, condições de iluminação e tamanhos. Recomendamos que você use as diretrizes a seguir ao escolher fotos de referência para [CompareFaces](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CompareFaces.html) ou para adicionar faces a uma coleção usando [IndexFaces](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_IndexFaces.html).
## Recomendações gerais para entrada de imagens para operações faciais
+ Use imagens claras e nítidas. Evite o máximo possível usar imagens que possam estar desfocadas devido à movimentação da câmera e da pessoa presente. [DetectFaces](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectFaces.html) pode ser usado para determinar o brilho e a nitidez de uma face.
+ Para fins de detecção de olhares, é recomendável fazer o upload da imagem original no tamanho e qualidade originais.
+ Use uma imagem com uma face que esteja dentro do intervalo recomendado de ângulos. O ângulo de inclinação deve ser menor que 30 graus para baixo e menos de 45 graus para cima. O ângulo de guinada deve ser menor que 45 graus em qualquer direção. Não há nenhuma restrição no ângulo de rotação lateral.
+ Use uma imagem de uma face com ambos os olhos abertos e visíveis.
+ Use uma imagem que não esteja obscurecida nem recortada de forma justa. A imagem deve conter toda a cabeça e ombros da pessoa. Ela não deve estar recortada na caixa delimitadora da face.
+ Evite itens que bloqueiam a face, como testeiras e máscaras.
+ Use uma imagem de face que ocupe uma grande parte da imagem. As imagens em que a face ocupa a maior parte do espaço da imagem apresentam maior precisão.
+ Certifique-se de que as imagens sejam grandes o suficiente quanto à resolução. O Amazon Rekognition pode reconhecer faces tão pequenas quanto 50 x 50 pixels em resoluções de imagem de até 1920 x 1080. Imagens de resolução mais alta precisam de um tamanho mínimo maior da face. As faces maiores do que o tamanho mínimo fornecem um conjunto de resultados de comparação facial mais preciso.
+ Use imagens coloridas.
+ Use imagens com iluminação homogênea sobre a face, em vez de formas de iluminação variadas, como sombras.
+ Use imagens com contraste suficiente com o plano de fundo. Um plano de fundo monocromático de alto contraste funciona bem.
+ Use imagens de faces com expressões faciais neutras, com a boca fechada e pouco ou nenhum sorriso para aplicativos que exigem alta precisão.
# Recomendações para pesquisar faces em uma coleção
+ Ao pesquisar faces em uma coleção, certifique-se de que as imagens faciais recentes sejam indexadas.
+ Ao criar uma coleção usando `IndexFaces`, use imagens de várias faces de um indivíduo com diferentes ângulos de inclinação e guinada (dentro do intervalo de ângulos recomendado). Recomendamos que pelo menos cinco imagens da pessoa sejam indexadas: de frente, rosto virado para a esquerda com uma inclinação de 45 graus ou menos, rosto virado para a direita com uma inclinação de 45 graus ou menos, rosto inclinado para baixo com uma inclinação de 30 graus ou menos e rosto inclinado para cima com uma inclinação de 45 graus ou menos. Se você deseja monitorar se essas instâncias de faces pertencem à mesma pessoa, considere o uso do atributo de ID da imagem externa, se há apenas uma face na imagem que está sendo indexada. Por exemplo, cinco imagens de John Doe podem ser rastreadas na coleção com a imagem IDs externa como. `John_Doe_1.jpg, … John_Doe_5.jpg`
# Recomendações para a configuração da câmera (imagem e vídeo)
As recomendações a seguir são adicionais a [Recomendações para imagens de entrada de comparação facial](recommendations-facial-input-images.md).
![\[Diagrama mostrando os três eixos do movimento da aeronave: inclinação, rotação e guinada, com setas indicando a direção de cada eixo em torno de um ícone cinza de cabeça humana.\]](http://docs.aws.amazon.com/pt_br/rekognition/latest/dg/images/RPY-diagram.png)
+ Resolução da imagem: não há requisitos mínimos para a resolução da imagem, desde que a resolução da face seja de 50 x 50 pixels para imagens com uma resolução total de até 1920 x 1080. Imagens de resolução mais alta precisam de um tamanho mínimo maior da face.
**nota**
A recomendação anterior é baseada na resolução nativa da câmera. A geração de uma imagem de alta resolução a partir de uma imagem de baixa resolução não produz os resultados necessários para a pesquisa de faces (devido aos artefatos gerados pela expansão da imagem).
+ Ângulo da câmera: há três medidas para o ângulo da câmera, como inclinação, rotação e guinada.
+ Inclinação: recomendamos um ângulo de inclinação de menos de 30 graus quando a câmera está voltada para baixo e menos de 45 graus quando a câmera está voltada para cima.
+ Rotação lateral: não há um requisito mínimo para esse parâmetro. O Amazon Rekognition pode lidar com qualquer quantidade de rolagem.
+ Guinada: recomendamos um ângulo de guinada de menos de 45 graus em qualquer direção.
O ângulo da face ao longo de qualquer eixo que é capturado pela câmera é uma combinação do ângulo da câmera voltada para a cena e do ângulo da cabeça da pessoa que está na cena. Por exemplo, se a câmera está inclinada para baixo em 30 graus e a pessoa também está com a cabeça inclinada para baixo em 30 graus, a inclinação real da face vista pela câmera é 60 graus. Nesse caso, o Amazon Rekognition não seria capaz de reconhecer a face. Recomendamos configurar a câmera de forma que os ângulos da câmera se baseiem na suposição de que as pessoas, em geral, estejam olhando para a câmera, com a inclinação total (combinação de face e câmera) de 30 graus ou menos.
+ Zoom da câmera: a resolução mínima recomendada para a face de 50 x 50 pixels deve direcionar essa configuração da câmera. Recomendamos que você use a configuração de zoom de uma câmera de forma que cada face obtenha uma resolução não inferior a 50 x 50 pixels.
+ Altura da câmera: a inclinação recomendada para a câmera deve direcionar esse parâmetro.
# Recomendações para a configuração da câmera (vídeo armazenado e streaming)
As recomendações a seguir são adicionais a [Recomendações para a configuração da câmera (imagem e vídeo)](recommendations-camera-image-video.md).
+ O codec deve ser codificado pelo h.264.
+ A taxa de quadros recomendada é de 30 fps. (Ela não deve ser inferior a 5 fps.)
+ A taxa de bits recomendada do codificador é 3 Mbps. (Ela não deve ser inferior a 1,5 Mbps.)
+ Taxa de quadros vs. Resolução de quadros: se a taxa de bits do codificador for uma restrição, recomendamos dar preferência a uma resolução de quadros mais alta em vez de uma taxa de quadros mais alta para obter melhores resultados de busca de faces. Isso garante que o Amazon Rekognition obtenha o quadro de melhor qualidade dentro da taxa de bits alocada. No entanto, há uma desvantagem nisso. Devido à baixa taxa de quadros, a câmera perde movimento rápido em uma cena. É importante compreender o dilema entre esses dois parâmetros para uma determinada configuração. Por exemplo, se a taxa de bits máxima possível for 1,5 Mbps, uma câmera poderá capturar 1080p a 5 fps ou 720p a 15 fps. A escolha entre os dois vai depender do aplicativo, desde que a resolução de faces recomendada de 50 x 50 pixels seja atendida.
# Recomendações para a configuração da câmera (streaming de vídeo)
A recomendação a seguir é adicional a [Recomendações para a configuração da câmera (vídeo armazenado e streaming)](recommendations-camera-stored-streaming-video.md).
Uma restrição adicional com aplicativos de streaming é a largura de banda da Internet. Para vídeo ao vivo, o Amazon Rekognition aceita apenas o Amazon Kinesis Video Streams como entrada. Você deve compreender a dependência entre a taxa de bits do codificador e a largura de banda da rede disponível. A largura de banda disponível deve ser compatível, no mínimo, com a mesma taxa de bits que a câmera está usando para codificar o streaming ao vivo. Isso garante que qualquer imagem capturada pela câmera seja retransmitida por meio do Amazon Kinesis Video Streams. Se a largura de banda disponível for menor que a taxa de bits do codificador, o Amazon Kinesis Video Streams descartará bits com base na largura de banda da rede. Isso resulta em baixa qualidade de vídeo.
Uma configuração típica de streaming envolve a conexão de várias câmeras a um hub de rede que retransmite os streamings. Nesse caso, a largura de banda deve acomodar a soma acumulada dos streamings provenientes de todas as câmeras conectadas ao hub. Por exemplo, se o hub estiver conectado a cinco câmeras com codificação a 1,5 Mbps, a largura de banda da rede disponível deverá ser pelo menos 7,5 Mbps. Para garantir que nenhum pacote seja descartado, considere manter a largura de banda da rede maior que 7,5 MBPS para acomodar as variações decorrentes de conexões perdidas entre uma câmera e o hub. O valor real dependerá da confiabilidade da rede interna.
# Recomendações para o uso do Face Liveness
Recomendamos as seguintes melhores práticas ao usar o Rekognition Face Liveness:
+ Os usuários devem concluir a verificação Face Liveness em ambientes que não sejam muito escuros ou muito claros e tenham iluminação bastante uniforme.
+ Os usuários devem aumentar o brilho da tela até o nível máximo ao fazer verificações em navegadores da web. O Mobile Native SDKs ajusta o brilho da tela automaticamente.
+ Escolha um limite de pontuação de confiança que reflita a natureza do seu caso de uso. Para casos de uso com maiores preocupações de segurança, use um limite alto.
+ Execute regularmente verificações humanas nas imagens de auditoria para garantir que os ataques falsos sejam mitigados com o limite de confiança que você definiu.
+ Ofereça um caminho alternativo de verificação da vivacidade facial para seus usuários se eles forem fotossensíveis ou não quiserem verificar a vivacidade facial usando o Rekognition.
+ Não envie nem exiba a pontuação de verificação de atividade no aplicativo do usuário. Envie apenas um sinal de aprovação ou reprovação.
+ Permitir apenas cinco verificações de vivacidade com falha em três minutos em um único dispositivo. Depois de cinco falhas, o tempo limite do usuário é de 30 a 60 minutos. Se o padrão for visto de 3 a 5 vezes repetidamente, impeça o dispositivo do usuário de fazer chamadas adicionais.
+ Implemente a tela de preparação em seu fluxo de trabalho para que os usuários possam passar pelas verificações de vivacidade facial com mais facilidade.
+ Você é responsável por fornecer avisos de privacidade legalmente adequados e obter o consentimento necessário de seus Usuários Finais para o processamento, armazenamento, uso e transferência de conteúdo pela Face Liveness.