本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 人臉屬性的準則
<a name="guidance-face-attributes"></a>

以下是 Amazon Rekognition 如何處理和傳回臉部屬性的詳細資訊。
+ **FaceDetail 物件**：針對每個偵測到的臉部，會傳回 FaceDetail 物件。此 FaceDetail 包含臉部標記、品質、姿勢等資料。
+ **屬性預測**：預測情緒、性別、年齡等屬性。系統會為每個預測指派可信度層級，並以各自的可信度分數傳回預測。對於敏感的使用案例，建議使用 99% 的可信度閾值。對於年齡估算，預測年齡範圍的中點提供最佳的近似值。

請注意，性別和情緒預測是以身體外觀為基礎，不應用於判斷實際的性別身分或情緒狀態。性別二元論 (男性/女性) 預測是根據特定映像中人臉的實體外觀來判定。它不表示一個人的性別身分，而且您不應該使用 Rekognition 做出這種決定。我們不建議採用性別二元論預測來制定會影響個人權利、隱私或服務存取的決策。同樣地，情緒的預測並不表示一個人的實際內部情緒狀態，而且您不應該使用 Rekognition 做出這種決定。假裝照片中有快樂人臉的人可能看起來很快樂，但可能不會感到快樂。

**應用程式和使用案例**

以下是這些屬性的一些實際應用程式和使用案例：
+ **應用程式**：Smile、Pose 和 Sharpness 等屬性可用來選擇設定檔圖片或匿名估計人口統計特性。
+ **常見使用案例**：社交媒體應用程式和事件或零售商店的人口統計評估是典型的範例。

如需每個屬性的詳細資訊，請參閱 [FaceDetail](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_FaceDetail.html)。