共用方式為

Person Directory Operations - Update Person Face

  • 參考
服務:
Azure AI Services
API 版本:
v1.2-preview.1

更新人員持續性臉部的userData欄位。

PATCH {endpoint}/face/{apiVersion}/persons/{personId}/recognitionModels/{recognitionModel}/persistedfaces/{persistedFaceId}

URI 參數

名稱 位於 必要 類型 Description
apiVersion
 path True

string

API 版本
endpoint
 path True

string

uri

支持的認知服務端點（通訊協定和主機名，例如：https://{resource-name}.cognitiveservices.azure.com）。
persistedFaceId
 path True

string

uuid

臉部的臉部標識碼。
personId
 path True

string

uuid

人員標識碼。
recognitionModel
 path True

RecognitionModel

與臉部相關聯的 『recognitionModel』。

要求本文

名稱 類型 Description
userData

string

附加至臉部的使用者提供數據。 長度限制為 1K。

回應

名稱 類型 Description
200 OK

要求已成功。
Other Status Codes

FaceErrorResponse

未預期的錯誤回應。

標題

x-ms-error-code: string

安全性

Ocp-Apim-Subscription-Key

Azure AI 臉部訂用帳戶的秘密密鑰。

類型: apiKey
位於: header

AADToken

Azure Active Directory OAuth2 流程

類型: oauth2
Flow: accessCode
授權 URL: https://api.example.com/oauth2/authorize
權杖 URL: https://api.example.com/oauth2/token

範圍

名稱 Description
https://cognitiveservices.azure.com/.default

範例

Update Face of PersonDirectory Person

範例要求

PATCH {endpoint}/face/v1.2-preview.1/persons/85c0c630-c9c9-40f8-8a4e-f9ae4f926ea5/recognitionModels/recognition_01/persistedfaces/43897a75-8d6f-42cf-885e-74832febb055

{
  "userData": "your_user_data"
}

範例回覆

狀態碼:
200

定義

名稱 Description
FaceError

error 物件。 如需臉部服務所傳回錯誤碼和訊息的完整詳細數據，請參閱下列連結：https://aka.ms/face-error-codes-and-messages。
FaceErrorResponse

包含錯誤詳細數據的回應。
RecognitionModel

臉部的辨識模型。

FaceError

error 物件。 如需臉部服務所傳回錯誤碼和訊息的完整詳細數據，請參閱下列連結：https://aka.ms/face-error-codes-and-messages。

名稱 類型 Description
code

string

其中一組伺服器定義的錯誤碼。
message

string

錯誤的人類可讀取表示法。

FaceErrorResponse

包含錯誤詳細數據的回應。

名稱 類型 Description
error

FaceError

error 物件。

RecognitionModel

臉部的辨識模型。

名稱 類型 Description
recognition_01

string

「偵測」的預設辨識模型。 所有在 2019 年 3 月之前建立的 faceId 都會與這個辨識模型結合。
recognition_02

string

辨識模型於 2019 年 3 月發行。
recognition_03

string

辨識模型於 2020 年 5 月發行。
recognition_04

string

辨識模型於 2021 年 2 月發行。 建議您使用此辨識模型來提升辨識精確度。