← 返回
AI智能 Key

tencentcloud-faceid-analyzedenselandmarks

腾讯云稠密人脸关键点(AnalyzeDenseLandmarks)接口调用技能。当用户需要对人脸图片进行稠密关键点定位时,应使用此技能。可返回人脸框坐标,以及人脸各部位(眼睛、眉毛、嘴巴、鼻子、瞳孔、中轴线、下巴、眼袋、额头)的稠密轮廓关键点坐标。支持图片Base64和图片URL两种输入方式。
腾讯云稠密人脸关键点(AnalyzeDenseLandmarks)接口调用技能。当用户需要对人脸图片进行稠密关键点定位时,应使用此技能。可返回人脸框坐标,以及人脸各部位(眼睛、眉毛、嘴巴、鼻子、瞳孔、中轴线、下巴、眼袋、额头)的稠密轮廓关键点坐标。支持图片Base64和图片URL两种输入方式。
xiaoqiangjava
AI智能 clawhub v1.0.0 1 版本 100000 Key: 需要
★ 0
Stars
📥 440
下载
💾 25
安装
1
版本
#latest

概述

腾讯云稠密人脸关键点 (AnalyzeDenseLandmarks)

用途

调用腾讯云人脸识别(IAI)稠密人脸关键点接口,对请求图片进行五官定位,计算构成人脸轮廓的关键点,包括眉毛、眼睛、鼻子、嘴巴、下巴、脸型轮廓、中轴线等。

核心能力:

  • 稠密关键点定位:返回人脸各部位的高密度轮廓点坐标
  • 多部位覆盖:眼睛、眉毛、嘴巴(内/外)、鼻子、瞳孔、中轴线、下巴、眼袋、额头
  • 多人脸支持:最多返回 5 张人脸的关键点信息
  • 多输入方式:支持图片 Base64 和图片 URL 两种输入方式,传入本地文件时可自动转为 Base64

官方文档:https://cloud.tencent.com/document/product/867/47397

使用时机

当用户提出以下需求时触发此技能:

  • 需要对人脸图片进行稠密关键点定位
  • 需要获取人脸各部位(眼睛、眉毛、嘴巴、鼻子等)的轮廓坐标
  • 需要进行人脸轮廓分析或人脸对齐
  • 涉及人脸关键点提取、人脸形状分析的任何场景

环境要求

  • Python 3.6+
  • 依赖:tencentcloud-sdk-python(通过 pip install tencentcloud-sdk-python 安装)
  • 环境变量:
  • TENCENTCLOUD_SECRET_ID:腾讯云API密钥ID
  • TENCENTCLOUD_SECRET_KEY:腾讯云API密钥Key

使用方式

运行 scripts/main.py 脚本完成稠密人脸关键点检测。

请求参数

参数类型必填说明
------------------------
--imagestr本地图片文件路径(自动转 Base64)或 Base64 字符串,与 --url 二选一
--urlstr图片 URL,与 --image 二选一(都提供时优先使用 URL)
--modeint检测模式:0(检测所有人脸) / 1(仅检测面积最大的人脸),默认 0
--need-rotate-detectionint是否开启图片旋转识别:0(不开启) / 1(开启),默认 0
--regionstr腾讯云地域,默认 ap-guangzhou

图片输入规格

  • 格式:支持 PNG、JPG、JPEG、BMP,不支持 GIF
  • 大小:Base64 编码后不超过 5MB
  • 分辨率:jpg 格式长边不超过 4000px,其他格式长边不超过 2000px,短边不小于 64px
  • 算法版本:仅支持 3.0

输出格式

检测成功后返回 JSON 格式结果:

{
  "ImageWidth": 480,
  "ImageHeight": 640,
  "FaceModelVersion": "3.0",
  "FaceCount": 1,
  "DenseFaceShapeSet": [
    {
      "FaceRect": {"X": 100, "Y": 80, "Width": 200, "Height": 250},
      "LeftEye": [{"X": 150, "Y": 180}, ...],
      "RightEye": [...],
      "LeftEyeBrow": [...],
      "RightEyeBrow": [...],
      "MouthOutside": [...],
      "MouthInside": [...],
      "Nose": [...],
      "LeftPupil": [...],
      "RightPupil": [...],
      "CentralAxis": [...],
      "Chin": [...],
      "LeftEyeBags": [...],
      "RightEyeBags": [...],
      "Forehead": [...]
    }
  ],
  "RequestId": "xxx"
}

各部位关键点说明

部位字段说明
----------------
LeftEye / RightEye左/右眼睛轮廓点
LeftEyeBrow / RightEyeBrow左/右眉毛轮廓点
MouthOutside外嘴巴轮廓点(从左侧开始逆时针)
MouthInside内嘴巴轮廓点(从左侧开始逆时针)
Nose鼻子轮廓点
LeftPupil / RightPupil左/右瞳孔轮廓点
CentralAxis中轴线轮廓点
Chin下巴轮廓点
LeftEyeBags / RightEyeBags左/右眼袋轮廓点
Forehead额头轮廓点

调用示例

# 传入本地图片文件(自动转 Base64)
python scripts/main.py --image ./face.jpg

# 传入图片 URL
python scripts/main.py --url "https://example.com/face.jpg"

# 只检测面积最大的人脸
python scripts/main.py --image ./face.jpg --mode 1

# 开启旋转识别
python scripts/main.py --image ./face.jpg --need-rotate-detection 1

版本历史

共 1 个版本

  • v1.0.0 当前
    2026-03-30 07:43 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

ai-intelligence

Proactive Agent

halthelobster
将AI智能体从任务执行者升级为主动预判需求、持续优化的智能伙伴。集成WAL协议、工作缓冲区、自主定时任务及实战验证模式。Hal Stack核心组件 🦞
★ 832 📥 212,606
ai-intelligence

self-improving agent

pskoett
捕获经验教训、错误和纠正,以实现持续改进。使用时机:(1)命令或操作意外失败;(2)用户纠正……
★ 4,054 📥 794,385
ai-intelligence

Self-Improving + Proactive Agent

ivangdavila
自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。
★ 1,350 📥 317,467