> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/german/funktionsblocke/blocks-reference/ai-blocks/face-detection.md).

# Face Detection

Dieser Funktionsblock erkennt menschliche Gesichter in einem Eingabebild und liefert visuelle sowie numerische Ergebnisse zur weiteren Verarbeitung.

## 📥 Eingänge <a href="#inputs" id="inputs"></a>

`Image Any` Das Bild, das auf Gesichter analysiert werden soll (Farbe oder Graustufen). Übergeben Sie Frames von Kameras oder geladene Bilder.

## 📤 Ausgänge <a href="#outputs" id="outputs"></a>

`Image Any` Annotiertes Bild mit eingezeichneten Gesichtsrahmen.

`Face Area Coordinates` Liste der Rechteckskoordinaten für jedes erkannte Gesicht.

`Face Count` Anzahl der im Eingabebild erkannten Gesichter.

## 🕹️ Steuerungen <a href="#controls" id="controls"></a>

`Confidence Threshold %` Ein Schieberegler zur Festlegung der minimalen Erkennungswahrscheinlichkeit. Erhöhen, um Fehlalarme zu reduzieren; verringern, um permissiver zu sein.

## ✨ Funktionen <a href="#features" id="features"></a>

* Echtzeit-Gesichtserkennung, geeignet für Live-Kamerafeeds oder statische Bilder.
* Liefert sowohl visuelles Feedback (annotiertes Bild) als auch strukturierte Daten (Koordinaten und Anzahl) für nachgeschaltete Logik.
* Einstellbare Confidence-Stufe zur Steuerung der Erkennungsstrenge.

## 📝 Nutzungshinweise <a href="#usage" id="usage"></a>

1. Verbinden Sie einen bildliefernden Block (Kamera oder File Loader) mit dem Eingang `Image Any`.
2. Stellen Sie den Schieberegler `Confidence Threshold %` auf die gewünschte Empfindlichkeit ein.
3. Verwenden Sie die Ausgänge nach Bedarf:
   * Vorschau des annotierten Bildes über einen Anzeige-Block (z. B. `Show Image`).
   * Lesen Sie `Face Area Coordinates` für ROI-Verarbeitung oder Tracking.
   * Nutzen Sie `Face Count` für Alarmierung, Protokollierung oder einfache Analysen.

## 📊 Bewertung <a href="#evaluation" id="evaluation"></a>

Beim Ausführen scannt der Block das eingehende Bild nach Gesichtern oberhalb der konfigurierten Confidence und erzeugt das annotierte Bild, eine Liste der Gesichtsrechtecke sowie die erkannte Gesichteranzahl.

## 💡 Tipps und Tricks <a href="#tips-and-tricks" id="tips-and-tricks"></a>

* Zur visuellen Prüfung verbinden Sie den Ausgang dieses Blocks mit dem Block `Show Image`, um den Bildviewer zu öffnen und die Erkennungen zu inspizieren.
* Wenn Sie nur einen bestimmten Bereich überwachen möchten (z. B. eine Tür), schneiden Sie zuerst mit `Image ROI Select` zu, um Fehlalarme zu reduzieren und die Verarbeitung zu beschleunigen.
* Um CPU-Last zu verringern oder die Verarbeitung zu beschleunigen, fügen Sie vor diesem Block `Image Resize` ein, um die Frame-Größe zu reduzieren.
* Verwenden Sie `Draw Detections`, um Erkennungsrechtecke mit benutzerdefinierten Overlays oder Status-Texten zu kombinieren und die Anzeige klarer zu machen.
* Speichern Sie Beispiele erfolgreicher oder fehlgeschlagener Erkennungen mit `Image Logger` zur Offline-Überprüfung und Feinabstimmung.
* Vorverarbeiten Sie verrauschte Eingaben mit `Blur` oder einem Threshold-Block (z. B. `Image Threshold`), um die Stabilität der Erkennung in minderwertigen Bildern zu verbessern.

## 🛠️ Fehlersuche <a href="#troubleshooting" id="troubleshooting"></a>

* Keine Gesichter erkannt: Senken Sie den `Confidence Threshold %` und stellen Sie sicher, dass das Bild klare frontale oder leicht geneigte Gesichter zeigt. Erhöhen Sie ggf. den Bildkontrast oder verwenden Sie `Image Resize` auf eine sinnvolle Arbeitsgröße.
* Zu viele Fehlalarme: Erhöhen Sie den `Confidence Threshold %` und schneiden Sie die Szene mit `Image ROI Select` zu, um irrelevante Bereiche auszuschließen.
* Performance-Probleme: Reduzieren Sie die Eingangsauflösung mit `Image Resize` oder führen Sie die Erkennung nur auf ausgewählten Frames durch, z. B. mittels eines Steuerungssignals oder Batch-Strategien.