优化Azure Face API在人脸注册与验证场景中的过多调用问题

核心优化方向：复用首次检测结果+替换临时Face ID #

1. 复用首次face.detect结果，避免重复调用 #

在第一步处理数据集时，对每张图片仅调用一次face.detect，将返回的所有关键信息（包括人脸位置、特征向量、临时Face ID）持久化存储到本地数据库或文件中。第三步自验证阶段直接读取这些存储的结果，完全跳过重复调用face.detect的步骤，从根源上减少一半的detect类API调用。

2. 用持久化标识替代临时Face ID #

• 注册到人脸列表后生成的persistedFaceId是永久有效的，无需依赖24小时过期的临时Face ID。在自验证环节，直接使用persistedFaceId调用相关比对API（如verify），而非重复生成临时Face ID。
• 如果调用face.detect时开启returnFaceFeatures=true，可获取人脸特征向量（这是不会过期的生物特征数据）。将该向量存储后，可先在本地做初步的特征聚类或相似度计算，筛选出高匹配可能性的人脸对，再调用Azure的API做最终验证，大幅减少不必要的API调用。

流程重构优化 #

调整原有的三步流程为：

1. 单轮检测+批量注册：对数据集每张图片调用一次face.detect，检测到人脸后，将人脸批量注册到人脸列表，同时把persistedFaceId、特征向量、图片关联信息存入本地存储。
2. 训练人脸集合（保持原步骤）。
3. 本地预筛选+精准API验证：读取本地存储的特征向量，先通过本地算法完成初步聚类（把特征相近的人脸归为同一组），仅对组内的人脸对调用Azure的verify或findSimilar API做最终确认，而非全量两两比对。

批量操作降本 #

利用Azure Face支持的批量操作能力：

• 批量提交多张图片的face.detect请求（部分区域的API支持批量处理，需确认当前服务版本），减少单请求的调用次数。
• 注册人脸到列表时，采用批量添加接口，降低注册类API的调用频次。

内容的提问来源于stack exchange，提问作者Joka