本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 传感器、输入图像和视频的最佳实践
<a name="best-practices"></a>

本节包含使用 Amazon Rekognition 的最佳实践信息。这些最佳实践将帮助您从调用的操作中获得出色性能。如果您难以从一项操作中获得预期结果，请确保遵循此处记录的最佳实践。

有关图像操作延迟的信息，请参阅以下内容：
+ [Amazon Rekognition Image 操作延迟](operation-latency.md)

人脸比较和人脸搜索操作要求您遵循特定的最佳实践来查找图像中的人脸。这些要求也记录在以下链接中：
+ [有关面部比较输入图像的建议](recommendations-facial-input-images.md)
+ [在集合中搜索人脸的建议](recommendations-facial-input-images-search.md)

以下几节介绍如何为 Amazon Rekognition 能够分析的每种媒体类型设置摄像机：
+ [针对摄像机设置（图像和视频）的建议](recommendations-camera-image-video.md)
+ [针对摄像机设置（存储视频和流视频）的建议](recommendations-camera-stored-streaming-video.md)
+ [针对摄像机设置（流视频）的建议](recommendations-camera-streaming-video.md)

 Face Liveness 操作也有自己的最佳实践，应遵循这些最佳实践，才能从 Liveness 检查工具中获得出色性能：
+ [Face Liveness 的使用建议](recommendations-liveness.md)

# Amazon Rekognition Image 操作延迟
<a name="operation-latency"></a>

要确保 Amazon Rekognition Image 操作的延迟尽可能最低，请考虑以下事项：
+ 包含您的图像的 Amazon S3 存储桶的区域必须与您用于 Amazon Rekognition Image API 操作的区域匹配。
+ 使用图像字节调用 Amazon Rekognition Image 操作快于将图像上传到 Amazon S3 存储桶之后在 Amazon Rekognition Image 操作中引用上传的图像。如果您将图像上传到 Amazon Rekognition Image 以进行实时处理，请考虑此方法。例如，从 IP 摄像机上传的图像和通过 Web 门户上传的图像。
+ 如果图像已位于 Amazon S3 存储桶中，则在 Amazon Rekognition Image 操作中引用它可能快于将图像字节传递到该操作。

# 有关面部比较输入图像的建议
<a name="recommendations-facial-input-images"></a>

用于人脸比较操作的模型适用于各种姿势、面部表情、年龄范围、旋转、照明条件和大小。我们建议您在为 [CompareFaces](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CompareFaces.html) 添加参考照片时或使用 [IndexFaces](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_IndexFaces.html) 将人脸添加到集合时遵循以下准则。

## 输入图像进行人脸操作的一般建议
<a name="recommendations-facial-input-images-general"></a>
+ 使用明亮清晰的图像。尽可能避免使用因主体和摄像机移动而模糊的图像。[DetectFaces](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectFaces.html) 可用于确定人脸的亮度和清晰度。
+ 为了进行视线检测，建议您以原始大小和质量上传原始图像。
+ 使用人脸处于建议的角度范围内的图像。俯仰角在朝下时应小于 30 度，在朝上时应小于 45 度。偏航角在任一方向应小于 45 度。翻滚角没有限制。
+ 使用双眼睁开并且可见的人脸的图像。
+ 使用人脸未遮盖或紧密裁剪的图像。图像应包含人的完整头部和肩部。它不应该被裁剪到面部边界框。
+ 避免挡住人脸的物品（如头巾和口罩）。
+ 使用人脸占比较高的图像。人脸占比较高的图像在匹配时的准确度更高。
+ 确保图像的分辨率足够大。Amazon Rekognition 可以在高达 1920 x 1080 的图像分辨率下识别小至 50 x 50 像素的人脸。图像的分辨率越高，需要的最小人脸大小越大。大于最小大小的人脸可提供更准确的人脸比较结果集。
+ 使用彩色图像。
+ 使用人脸上的照明稳定的图像，而不是照明条件不断变化（如阴影）的图像。
+ 使用与背景对比鲜明的图像。高对比度单色背景非常适用。
+ 对需要高精度的应用使用没有面部表情（嘴巴紧闭且毫无笑容）的人脸的图像。

# 在集合中搜索人脸的建议
<a name="recommendations-facial-input-images-search"></a>
+ 在集合中搜索人脸时，请确保为最近的人脸图像编制索引。
+ 在使用 `IndexFaces` 创建集合时，使用具有不同的俯仰角和偏航角（位于建议的角度范围内）的个人的多个人脸图像。我们建议至少索引一个人的 5 张图像：直立、脸向左（偏航角为 45 度或更小）、脸向右（偏航角为 45 度或更小）、脸向下（俯仰角为 30 度或更小）、脸向上（俯仰角为 45 度或更小）。如果您要跟踪属于同一人的这些人脸实例，请考虑使用外部图像 ID 属性，前提是图像中只有一个人脸正在被索引。例如，可以在集合中追踪五张 John Doe 的图像，外部图像 IDs 为`John_Doe_1.jpg, … John_Doe_5.jpg`。

# 针对摄像机设置（图像和视频）的建议
<a name="recommendations-camera-image-video"></a>

除了 [有关面部比较输入图像的建议](recommendations-facial-input-images.md) 之外，还建议遵循以下建议。

![\[该图显示了飞机运动的三个轴：俯仰、滚转和偏航，箭头指示每个轴围绕灰色人头图标运动的方向。\]](http://docs.aws.amazon.com/zh_cn/rekognition/latest/dg/images/RPY-diagram.png)

+ 图像分辨率 – 图像分辨率没有最低要求，对于总分辨率高达 1920 x 1080 的图像，只要人脸分辨率达到 50 x 50 像素即可。图像的分辨率越高，需要的最小人脸大小越大。
**注意**  
上述建议基于摄像机的原始分辨率。从低分辨率图像生成高分辨率图像无法产生人脸搜索所需的结果（原因在于图像上采样生成的项目）。
+ 摄像机角度 – 摄像机角度有三个测量值 – 俯仰角、翻滚角和偏航角。
  + 俯仰角 – 我们建议在摄像机朝下时采用小于 30 度的俯仰角，在摄像机朝上时采用小于 45 度的俯仰角。
  + 翻滚角 – 此参数没有最低要求。Amazon Rekognition 可以处理任意数量的滚动。
  + 偏航角 – 我们建议偏航角在任一方向都小于 45 度。

  摄像机捕获的沿任何轴的人脸角度是面向场景的摄像机角度与场景中主体头部所处角度的组合。例如，如果摄像机处于朝下 30 度，人的头部处于朝下 30 度，则摄像机拍摄到的实际人脸俯仰角为 60 度。在这种情况下，Amazon Rekognition 将无法识别人脸。我们建议合理地设置摄像机，使它的角度基于以下假设：人们通常以 30 度或更小的整体俯仰角（人脸和摄像机的组合）看着摄像机。
+ 摄像机缩放 – 建议的最低人脸分辨率 50 x 50 像素应驱动此摄像机设置。我们建议使用摄影机的缩放设置，使所需人脸的分辨率不低于 50 x 50 像素。
+ 摄像机高度 – 建议的摄像机俯仰角应驱动此参数。

# 针对摄像机设置（存储视频和流视频）的建议
<a name="recommendations-camera-stored-streaming-video"></a>

除了 [针对摄像机设置（图像和视频）的建议](recommendations-camera-image-video.md) 之外，还建议遵循以下建议。
+ 编解码器应为 h.264 编码。
+ 建议的帧速率为 30 fps。（它不应小于 5 fps。）
+ 建议的编码器比特率为 3 Mbps。（它不应小于 1.5 Mbps。）
+ 帧率 vs. 帧分辨率 – 如果编码器比特率是一个约束，我们建议采用更高的帧分辨率而不是更高的帧速率，以获得更好的人脸搜索结果。这可确保 Amazon Rekognition 在分配的比特率内获得最佳帧质量。但是，这也有缺点：由于帧速率低，摄像机将错过场景中的快速运动。务必了解这两个参数针对给定设置的权衡。例如，如果可能的最大比特率为 1.5 Mbps，则摄像机在 5 fps 下可以捕获 1080p，在 15 fps 下可以捕获 720p。选择哪个参数取决于应用，只要达到建议的人脸分辨率 50 x 50 像素即可。

# 针对摄像机设置（流视频）的建议
<a name="recommendations-camera-streaming-video"></a>



除了 [针对摄像机设置（存储视频和流视频）的建议](recommendations-camera-stored-streaming-video.md) 之外，还建议遵循以下建议。

流式处理应用的另一个约束是 Internet 带宽。对于实时视频，Amazon Rekognition 仅接受 Amazon Kinesis Video Streams 作为输入。您应了解编码器比特率和可用网络带宽之间的依赖关系。可用带宽应至少支持摄像机用于对实时流进行编码的相同比特率。这可确保摄像机捕获的任何内容都可通过 Amazon Kinesis Video Streams 进行中继。如果可用带宽低于编码器比特率，Amazon Kinesis Video Streams 基于网络带宽丢弃比特。这会导致视频质量低。

典型流设置涉及将多台摄像机连接到用于中继流的网络中心。在这种情况下，带宽应容纳来自连接到该中心的所有摄像机的流的累积和。例如，如果该中心连接到以 1.5 Mbps 编码的 5 台摄像机，则可用网络带宽至少应为 7.5 Mbps。要确保不会丢失数据包，您应考虑将网络带宽保持在 7.5 Mbps 以上，以应对摄像机和中心之间的连接断开导致的抖动。实际值取决于内部网络的可靠性。

# Face Liveness 的使用建议
<a name="recommendations-liveness"></a>

我们建议您遵循以下最佳实践来使用 Rekognition Face Liveness：
+ 用户应在不太暗或太亮且光线相当均匀的环境中完成 Face Liveness 检查。
+ 用户在网络浏览器上进行检查时，应将显示屏的亮度调至最大。移动原生设备会自动 SDKs 调整显示屏亮度。
+ 选择一个反映您的用例性质的置信度分数阈值。对于具有更高安全性的用例，请使用较高的阈值。
+ 定期对审核图像进行人工审查检查，以确保在您设置的置信度阈值下减少仿冒攻击。
+ 如果用户对光敏感或不想使用 Rekognition 验证自己的面部活跃度，则为他们提供另一种面部活跃度验证路径。
+ 请勿在用户应用程序上发送或显示活跃度检查分数。仅发送成功或失败信号。
+ 仅允许在三分钟内对一台设备进行五次失败的活跃度检查。失败五次后，用户将等待 30—60 分钟。如果重复出现该模式 3-5 次，请阻止用户设备进行其他调用。
+ 在工作流程中实现准备就绪屏幕，以便用户可以更轻松地通过 Face Liveness 检查。
+ 您有责任就 Face Liveness 对内容的处理、存储、使用和传输向您的终端用户提供法律上适当的隐私声明，并征得其必要同意。