# 顔分析 -------------------------------------------------------------------------------- title: "はじめに" description: "Face Analyticsは、Zia AIを活用した構築済みマイクロサービスで、顔検出を実行し、さまざまな顔の属性を予測します。" last_updated: "2026-09-08T11:24:17.047Z" source: "https://docs.catalyst.zoho.com/ja/zia-services/help/face-analytics/introduction/" service: "Zia Services" -------------------------------------------------------------------------------- # Face Analytics ## はじめに Face Analyticsは、Catalyst Zia Servicesのコンポーネントで、画像内の顔検出を実行し、検出された顔に対して高度な計算分析を行い、以下の属性を識別・予測します： * 顔および顔の特徴の座標 * 笑顔検出 * 年齢検出 * 性別検出 Ziaは検出された顔に一連の関心点をマッピングし、それらの相対位置に対して詳細な分析を実行して、各属性の結果を生成します。この目的のために複数のAIアルゴリズムを実装し、検出された局所的なランドマークをmachine learningデータセットのサンプルと比較して、笑顔、年齢、性別検出のpredictionを導き出します。 Face Analyticsはまた、各属性のpredictionのconfidence scoreを提供し、十分な情報に基づいた意思決定を可能にします。Face Analyticsは画像内で最大10個の顔を検出でき、検出された各顔の属性のpredictionを提供します。 CatalystはFace AnalyticsをJava、Node.js、Python SDKパッケージで提供しており、CatalystのWebまたはAndroidアプリケーションに統合できます。Catalystコンソールでは、アプリケーションのコードに実装できるこれらの環境用のコードテンプレートに簡単にアクセスできます。また、コンソールでサンプル画像を使用してFace Analyticsをテストし、検出された顔に対する上記の属性のpredictionを取得することもできます。 コードサンプルについては、Java SDKドキュメント、Node.js SDKドキュメント、Python SDKドキュメントを参照してください。Face Analyticsで利用可能なAPIについては、APIドキュメントを参照してください。 Catalyst Zia Servicesのその他のコンポーネントについては、こちらのページで詳しくご確認いただけます。 -------------------------------------------------------------------------------- title: "主要概念" description: "Face Analyticsは、Zia AIを活用した構築済みマイクロサービスで、顔検出を実行し、さまざまな顔の属性を予測します。" last_updated: "2026-09-08T11:24:17.047Z" source: "https://docs.catalyst.zoho.com/ja/zia-services/help/face-analytics/key-concepts/" service: "Zia Services" -------------------------------------------------------------------------------- # 主要概念 Face Analyticsのユースケースと実装について学ぶ前に、その基本的な概念を詳しく理解することが重要です。 ### Facial Landmark Localization 顔のランドマーキングとは、顔上の特定のキーポイント特徴を検出してローカライズするプロセスです。目の角、眉弧の端点、唇の端点と弧、鼻先、頬の輪郭の位置、鼻孔などのキーポイントは、年齢検出、性別検出、感情認識の処理時に一般的に考慮されます。 Zia Face Analyticsはまず、画像内の顔の位置の一般的な座標を提供します。さらに、ローカライズされたランドマークの座標も3つのランドマークローカリゼーションモードで提供されます： * Basic: これは0ポイントのランドマーク検出器で、顔の座標 \[x1, y1, x2, y2\] のみを検出します。<br /> * x1, y1: 顔/顔の属性/オブジェクトの左上隅のポイント * x2, y2: 顔/顔の属性/オブジェクトの右下隅のポイント * Moderate: これは5ポイントのランドマーク検出器で、以下を検出します：<br /> * 目: 両目の中心 * 鼻: 鼻先 * 唇: 両唇の中心 * Advanced: これは68ポイントのランドマーク検出器で、以下を検出します：<br /> * 顎のライン: 顔の境界 * 眉: 左右の眉 * 目: 左右の目 * 鼻筋 * 鼻孔ライン * 上唇: 上端と下端 * 下唇: 上端と下端 これらの詳細は、画像内で検出された各顔に対して個別にレスポンスで提供されます。Face Analyticsはまた、レスポンス内で判定された顔座標のconfidence scoreを提供します。 ### Facial Emotion Detection 顔の感情検出は、表情に基づいて人間の感情を検出するプロセスです。顔のランドマーキングは、顔の感情検出において重要な役割を果たします。目の角、口の角、眉などのキーポイントは、顎や頬の輪郭などの二次的なランドマークと比較して、表情の検出と感情クラスへの分類において主要な役割を果たすと考えられています。顔の感情検出技術は、視覚的な画像を分析するConvolutional Neural Network（CNN）などのディープラーニング手法を使用して設計されています。 Ziaは検出された顔に対して詳細な分析を実行し、顔上の笑顔の有無を判定します。レスポンスには、smilingとnot\_smilingの各側面に対する1を満点としたconfidence scoreが含まれます。最も高い値の側面に基づいて、Face Analyticsは笑顔の有無のpredictionを行います。 ### Age Detection Face Analyticsは、画像内で検出された顔の年齢範囲を予測します。年齢検出技術は、machine learning手法とAIアルゴリズムの同様のアプローチを実装して、顔上の一連の関心点を識別し、特定の年齢グループに適用可能な特定の兆候についてローカライズされたランドマークを分析します。 Face Analyticsは、以下の年齢範囲のいずれかとして顔の年齢を検出します：0-2、3-9、10-19、20-29、30-39、40-49、50-59、60-69、70歳以上。 レスポンスには、各年齢範囲の1を満点としたconfidence scoreが含まれます。最も高いconfidence scoreの年齢範囲に基づいて、Face Analyticsは最終的なpredictionを行います。 ### Gender Detection Face Analyticsは、ディープラーニングアルゴリズムを実装して各性別に関連する主要な特徴を識別することで、顔の性別を検出します。顔の特定のローカライズされた関心点は、人間の性別を判定する上で重要な役割を果たします。Ziaは分析結果を膨大なデータセットの配列と比較して、性別のpredictionを導き出します。 他の属性と同様に、Face Analyticsにはmaleとfemaleの1を満点としたconfidence scoreが含まれます。最も高いconfidence scoreの識別された性別に基づいて、Face Analyticsは最終的なpredictionを行います。 ### 入力形式 Zia Face Analyticsは、画像ファイルを分析して顔検出と属性認識を実行します。Face Analyticsは以下の入力ファイル形式をサポートしています： * ._jpg_/._jpeg_ * ._png_ エンドユーザーのデバイスのカメラを使用して写真を撮影し、画像を入力ファイルとして処理するようにCatalystアプリケーションをコーディングできます。また、結果を生成するために、ユーザーがデバイスのメモリから画像ファイルをCatalystアプリケーションにアップロードするスペースを提供することもできます。 APIリクエストを使用して提供される入力には、入力画像ファイル、ランドマークローカリゼーションモードの値、およびemotion、age、genderの検出を実行するかどうかを指定するブール値が含まれます。モードまたは検出する必要のある属性を指定しない場合、すべての属性が検出され、デフォルトでadvanced modeが実装されます。 リクエスト形式はAPIドキュメントで確認できます。 より良い結果を得るために、入力を提供する際にユーザーは以下のガイドラインに従う必要があります： * ぼやけた画像や破損した画像の提供は避けてください。 * 画像内の顔が鮮明で、見やすく、はっきりしていることを確認してください。 * 部分的な顔、シルエット、横顔、または認識できない角度の顔が含まれる画像はアップロードしないでください。より良いpredictionのために、顔全体が画像内で見える必要があります。Face Analyticsは、一定レベルを超えて傾いたり向きが変わったりした顔を検出できません。 * 画像内の顔の上にテキストコンテンツや透かしがないことを確認してください。 * ファイルサイズは10 MBを超えないようにしてください。 <br /> ### レスポンス形式 Zia Face Analyticsは以下の方法でレスポンスを返します： * コンソールの場合: コンソールで顔が含まれるサンプル画像をアップロードすると、デコードされたデータが2つのレスポンス形式で返されます：<br /> * テキスト形式: テキストレスポンスには、各顔の存在、笑顔、検出された性別、検出された年齢範囲と、それらのconfidence scoreがパーセンテージ値として含まれます。 * JSON形式: JSON responseには、顔の一般的な座標、ローカライズされたランドマークの座標、検出された笑顔・年齢範囲・性別の各側面のconfidence score、および各属性のpredictionが含まれます。0から1のconfidence scoreは、以下のようにパーセンテージ値に換算できます：<br /> <table class="content-table"> <thead> <tr> <th>パーセンテージでのconfidence score</th> <th>0から1の値でのconfidence score</th> </tr> </thead> <tbody> <tr> <td>0-9</td> <td>0.0</td> </tr> <tr> <td>3-9</td> <td>0.0</td> </tr> <tr> <td>10-19</td> <td>0.0</td> </tr> <tr> <td>20-29</td> <td>0.0</td> </tr> <tr> <td>30-39</td> <td>0.0</td> </tr> <tr> <td>40-49</td> <td>0.01</td> </tr> <tr> <td>50-59</td> <td>0.12</td> </tr> <tr> <td>60-69</td> <td>0.23</td> </tr> <tr> <td>&lt;70</td> <td>0.63</td> </tr> </tbody> </table> * SDKを使用する場合: APIリクエストを使用して画像ファイルを送信すると、上記で指定した形式で結果を含むJSON responseのみを受け取ります。 JSON responseの形式はAPIドキュメントで確認できます。 -------------------------------------------------------------------------------- title: "メリット" description: "Face Analyticsは、Zia AIを活用した構築済みマイクロサービスで、顔検出を実行し、さまざまな顔の属性を予測します。" last_updated: "2026-09-08T11:24:17.048Z" source: "https://docs.catalyst.zoho.com/ja/zia-services/help/face-analytics/benefits/" service: "Zia Services" -------------------------------------------------------------------------------- # メリット 1. カスタマイズされた結果<br /><br /> Face Analyticsでは、predictionが必要な属性を有効または無効にする機能を提供します。必要に応じて、笑顔検出、年齢検出、性別検出を有効または無効にできます。また、ランドマークのローカリゼーションモードを選択し、必要な顔の特徴の座標predictionを有効にすることもできます。 2. 各Predictionのconfidence score<br /><br /> 各predictionに提供されるconfidence scoreにより、ユーザーはpredictionの精度レベルを検証できます。エンドユーザーはconfidence scoreを分析し、結果の精度に基づいて十分な情報に基づいた意思決定を行うことができます。また、confidence scoreはより正確な結果を得るために、より高品質な入力を提供するかどうかの判断にも役立ちます。 3. 結果の精度<br /><br /> ZiaはAIを活用したアシスタントで、より高い精度と低いエラーマージンで結果を生成するために、繰り返し体系的なトレーニングを受けています。AIは、複雑な計算と分析を実行するためにさまざまなmachine learning技術を使用してトレーニングされています。トレーニングモデルは非常に厳格であり、大量のデータを学習・分析するため、生成される結果は正確で信頼性が高いことが保証されます。 4. 高速パフォーマンス<br /><br /> Face Analyticsは、画像がアップロードされるとほぼ瞬時に結果を生成します。Catalystはデータ伝送の高いスループットとリクエスト処理の最小限のレイテンシーを保証します。高速な応答時間はアプリケーションのパフォーマンスを向上させ、エンドユーザーに満足のいく体験を提供します。 5. シームレスな統合<br /><br /> machine learning algorithmsの複雑な処理やバックエンドの設定を学ぶ必要なく、アプリケーションにFace Analyticsを簡単に実装できます。JavaおよびNode.jsプラットフォーム用に提供されている既製のコードテンプレートを、Face Analyticsが必要なCatalystアプリケーションに実装できます。 6. コンソールでのテスト<br /><br /> コンソールのテスト機能により、Face Analyticsの効率を検証できます。サンプル画像をアップロードして結果を確認できます。これにより、アプリケーションに実装した際に生成されるレスポンスの形式と精度について事前に把握できます。 -------------------------------------------------------------------------------- title: "ユースケース" description: "Face Analyticsは、Zia AIを活用した構築済みマイクロサービスで、顔検出を実行し、さまざまな顔の属性を予測します。" last_updated: "2026-09-08T11:24:17.048Z" source: "https://docs.catalyst.zoho.com/ja/zia-services/help/face-analytics/use-cases/" service: "Zia Services" -------------------------------------------------------------------------------- # ユースケース 顔検出、年齢検出、感情検出、および性別検出技術は、幅広いアプリケーションやシナリオで実装されています。以下は、Zia Face Analyticsのユースケースの一部です： * 求人ポータルアプリケーションでは、応募者がオンラインプロフィール用に自身の写真をアップロードする必要があります。このアプリはFace Analyticsを実装し、アップロードされた写真を使用して応募者の年齢範囲と性別を判定します。予測された年齢範囲と性別が応募者の提供した年齢と性別の詳細と一致しない場合、アプリは画像にフラグを立て、別の写真の提供または本人確認書類の提出を求めます。 * 小売店舗内のセキュリティカメラネットワークによってキャプチャ・提供された画像を分析するセキュリティアプリケーションは、侵入、強盗、万引きの場合に、顔検出座標を使用して人物の存在を特定するためにFace Analyticsを実装します。また、複数の画像を処理して顔の性別と年齢範囲を判定し、犯人の人口統計をより正確に特定します。 Face Analyticsは、以下のシナリオでも実装できます： * パブやレストロバーの外にある監視カメラに接続されたセキュリティアプリケーションで、未成年者を検出して入場を拒否する。 * イベントや集会からの画像を分析し、参加者に基づいた顧客の人口統計に関する統計を作成するアプリケーション。 * ソーシャルメディアプラットフォームにおける未成年者の写真の不正使用および配布を監視するサイバーセキュリティアプリケーション。 * 小売店舗のセキュリティカメラによってキャプチャされた画像を処理し、笑顔検出に基づいて顧客満足度を分析するアプリケーション。 -------------------------------------------------------------------------------- title: "実装" description: "Face Analyticsは、Zia AIを活用した構築済みマイクロサービスで、顔検出を実行し、さまざまな顔の属性を予測します。" last_updated: "2026-09-08T11:24:17.048Z" source: "https://docs.catalyst.zoho.com/ja/zia-services/help/face-analytics/implementation/" service: "Zia Services" -------------------------------------------------------------------------------- # 実装 このセクションでは、CatalystコンソールでのFace Analyticsの操作のみを説明します。アプリケーションのコードにFace Analyticsを実装する方法については、SDKおよびAPIドキュメントのセクションを参照してください。 前述のとおり、コンソールからCatalystアプリケーションにFace Analyticsを統合するためのコードテンプレートにアクセスでき、また顔が含まれる画像をアップロードして結果を取得することで機能をテストすることもできます。 ### Face Analyticsへのアクセス CatalystコンソールでFace Analyticsにアクセスするには： 1. Catalystコンソールの左ペインでZia Servicesに移動し、Face Analyticsをクリックします。<br /> <br /> 2. Try a Demoをクリックすると、Face Analytics機能が開きます。<br /> ### CatalystコンソールでのFace Analyticsのテスト Catalystのサンプル画像を選択するか、独自の画像をアップロードして、Face Analyticsをテストできます。 サンプル画像をスキャンして結果を表示するには： 1. ボックス内のSelect a Sample Imageをクリックします。<br /> <br /> 2. 提供されたサンプルから画像を選択します。<br /> <br /> Face Analyticsが画像内の顔をスキャンし、属性を分析・予測し、検出された各顔について分析のテキスト結果と各predictionのconfidence scoreをパーセンテージ値で提供します。 <br /> <br /> レスポンスバーの色は、predictionのconfidenceパーセンテージの範囲を示します。赤：0-30%、オレンジ：30-80%、緑：80-100%です。<br /> 各顔の一般的な座標とローカライズされたランドマークの座標は、その他の検出結果に加えて、デフォルトでadvancedランドマークローカリゼーションモードのJSON responseで提供されます。View ResponseをクリックしてJSON responseを表示します。<br /> <br /> 完全なサンプルJSON responseの構造については、APIドキュメントを参照してください。 独自の画像をアップロードしてFace Analyticsをテストするには： 1. _Result_セクションの下にあるUploadをクリックします。<br /> <br /> Face Analyticsを閉じた後に再度開く場合は、このボックス内のBrowse Filesをクリックします。<br /> <br /> 2. ローカルシステムからファイルをアップロードします。<br /> 注意: ファイルは._jpg_/._jpeg_または._png_形式である必要があります。ファイルサイズは10 MBを超えないようにしてください。 コンソールが画像内の顔をスキャンし、検出された顔の4つの属性の分析を表示します。<br /> <br /> 前述のとおり、Face Analyticsは画像内で最大10個の顔を検出し、属性を分析できます。サイドの矢印をクリックして、検出された各顔の結果を確認できます。JSON responseにも検出された各顔の結果が含まれます。<br /> <br /> ### Face Analyticsのコードテンプレートへのアクセス CatalystがJava、Node.js、Pythonプラットフォーム用に提供するコードテンプレートを使用して、CatalystアプリケーションにFace Analyticsを実装できます。 テストウィンドウの下のセクションからアクセスできます。Java SDK、NodeJS SDK、またはPython SDKタブをクリックし、コピーアイコンを使用してコードをコピーします。このコードを、必要な箇所のWebまたはAndroidアプリケーションのコードに貼り付けることができます。 Javaでは、入力ファイルを新しいFileとして処理できます。ZCFaceAnalyticsOptionsモジュールにより、各属性の分析を有効または無効にするオプションが提供されます。たとえば、setAgeNeededをfalseに設定すると、Face Analyticsは画像内で検出された顔の年齢prediction結果を提供しません。また、setAnalyseModeを使用して、ランドマークローカリゼーションモードをBASIC、MODERATE、またはADVANCEDに設定できます。 Node.jsでは、facePromiseオブジェクトを使用して入力画像ファイルとそのオプション設定を保持します。modeをbasic、moderate、またはadvancedとして指定し、属性をtrueまたはfalseに設定して分析を有効または無効にできます。 Pythonでは、analyse_face()メソッドが引数として入力画像を受け取ります。分析モードをbasic、moderate、またはadvancedとして指定することもできます。また、属性age、smile、genderをtrue（検出する）またはfalse（検出しない）として指定できます。これらの値はオプションです。デフォルトでは、すべての属性が検出され、advancedモードが処理されます。