文档管理中心
我的

Core Vision Kit简介

Core Vision Kit(基础视觉服务)提供了机器视觉相关的基础能力,例如通用文字识别(即OCR,Optical Character Recognition,也称为光学字符识别)、人脸检测、人脸比对以及主体分割等能力。

开发者可以结合Vision Kit的UI控件能力(例如:人脸活体检测),提升应用的智能化、便捷化交互体验。

场景介绍

Core Vision Kit可应用于各种场景,提升用户体验和应用效率。以下是一些典型的应用场景:

  • 通用文字识别:可用于扫描和识别文档、名片、票据等印刷品中的文字内容,方便用户快速录入和存储信息。

  • 人脸检测:应用于相册管理、照片美化等功能中,也可以用于自动检测和定位照片中的人脸。

  • 人脸比对:常用于人脸认证、考勤打卡、门禁系统等需要验证用户身份的场景。

  • 主体分割:可以检测出图片中区别于背景的前景物体或区域(即“显著主体”),并将其从背景中分离出来,适用于需要识别和提取图像主要信息的场景,广泛运用于前景目标检测和前景主体分离的场景。

  • 多目标识别:帮助开发者从图片中识别常见的目标对象(动物、植物、建筑物、人、人脸、文本、表格等)并给出位置信息。通常用于端到端业务场景的前置检测功能,根据检测结果完成后续功能业务的入口提示,比如视觉搜索,文本检测。

  • 骨骼点检测:人体骨骼关键点检测,主要检测人体的一些关键点,通过关键点描述人体骨骼信息。具体应用主要集中在智能视频监控,病人监护系统,人机交互,虚拟现实,人体动画,智能家居,智能安防,运动员辅助训练等等。

  • 图像超分:图像超分一项基于人工智能算法的图像处理功能,可将低分辨率、模糊或细节不足的图片智能放大并增强清晰度。在放大图像尺寸的同时,系统能够自动补全纹理细节、优化边缘轮廓、降低噪点干扰,使图片呈现出更清晰、更自然、更高质量的视觉效果。

  • 通过文本搜索图片:基于自然语言理解与图像跨模态检索技术,支持用户输入任意描述性文本(如“海边的落日”、“证件”),从应用沙箱中精准匹配并提取符合描述的图片。该功能极大地提升了用户的搜图效率,让无标签、未分类的图像资产变得可检索、易触达,广泛应用于智慧相册、聊天对话(如即时通讯、社交互动)以及电商以文搜图等场景。

约束与限制

支持的设备

Phone、Tablet、PC/2in1。

支持的国家/地区

仅适用于中国境内(香港特别行政区、澳门特别行政区、中国台湾除外)。

能力限制

展开
AI能力 约束
文字识别

- 支持的图片格式:JPEG、JPG、PNG。

- 支持的语言:简体中文、英文、日文、韩文、繁体中文。

- 文本长度:不超过10000字符。

- 支持文档印刷体识别,在识别手写字体方面能力有所欠缺。

- 输入图像具有合适成像的质量(建议720p以上),100px<高度<15210px,100px<宽度<10000px,高宽比例建议10:1以下(高度小于宽度的10倍),接近手机屏幕高宽比例为宜。

- 拍摄角度与文本所在平面垂直方向的夹角应小于30度。

人脸检测

- 输入图像具有合适的成像质量(建议720p以上),224px<高度<15210px,100px<宽度<10000px,高宽比例建议10:1以下(高度小于宽度的10倍),接近手机屏幕高宽比例为宜。

- 接口调用耗时较久,不适合在需要实时检测的场景下使用。

人脸比对

- 当前功能只支持1v1人脸比对。

- 输入的两张图像都需要合适的成像质量(建议720p以上),224px<高度<15210px,100px<宽度<10000px,高宽比例建议10:1以下(高度小于宽度的10倍),接近手机屏幕高宽比例为宜。

主体分割

- 某个物体占比不小于原图大小的千分之五才会被认定为“主体”,才会支持分割。

- 不建议用于处理包含较多文字内容的图片分析场景。

- 输入图像具有合适成像的质量(建议720p以上),20px<高度<9000px,20px<宽度<9000px,高宽比例建议3:1以下(高度小于宽度的3倍),接近手机屏幕高宽比例为宜。

多目标识别

- 输入图像具有合适成像的质量(建议720p以上),100px<高度<10000px,100px<宽度<10000px,高宽比例建议5:1以下(高度小于宽度的5倍),接近手机屏幕高宽比例为宜。

- 图片中的物体占比需要大于0.1%。

骨骼点检测 - 输入图像具有合适成像的质量(建议720p以上),100px<高度<10000px,100px<宽度<10000px,高宽比例建议5:1以下(高度小于宽度的5倍),接近手机屏幕高宽比例为宜。
图像超分

输入图片需要满足16px<高度<2048px和16px<宽度<2048px要求,高宽比例无特殊要求。

建议处理1024px*1024px以下的图片,高分辨率可能出现处理超时的情况。

通过文本搜索图片 输入图像具有合适成像的质量,100px<高度<10000px,100px<宽度<10000px,高宽比例建议10:1以下(高度小于宽度的10倍),接近手机屏幕高宽比例为宜。
说明

Core Vision Kit的特性支持多用户同时接入,但是不支持同一用户并发调用同一个特性,如同一个特性被同一进程同一时间多次调用,则返回系统繁忙错误,不同进程调用同一特性,则同一时间只有一个进程业务在处理,其他进程进入队列排队。

模拟器支持情况

本Kit暂不支持模拟器。