Tutoriel
Traitement Vidéo
8 min de lecture

Comment détecter des visages dans une vidéo avec JavaScript ?

Résumez cet article avec :

Résumé
  • Eden AI fournit une API simple et conviviale pour les développeurs qui vous permet de détecter les visages dans les vidéos.
  • Dans ce didacticiel, vous apprendrez à utiliser la détection des visages dans les vidéos en 5 minutes à l'aide de JavaScript.
  • Maintenant que vous avez initialisé les modules JavaScript requis et obtenu votre clé API, vous serez en mesure de détecter les visages dans les vidéos.
  • La détection vidéo des visages est une technologie qui permet d'identifier automatiquement les visages humains dans les séquences vidéo numériques.
  • Par exemple, la détection vidéo des visages peut être utilisée pour déverrouiller automatiquement un appareil lorsque le visage de l'utilisateur est reconnu.

Dans ce didacticiel, vous apprendrez à utiliser la détection des visages dans les vidéos en 5 minutes à l'aide de JavaScript. Eden AI fournit une API simple et conviviale pour les développeurs qui vous permet de détecter les visages dans les vidéos.

‍

Qu'est-ce que Détection vidéo des visages?

La détection vidéo des visages est une technologie qui permet d'identifier automatiquement les visages humains dans les séquences vidéo numériques. Cela peut être utilisé pour des raisons de sécurité ou à diverses fins, telles que la retouche photo ou le recadrage. Par exemple, la détection vidéo des visages peut être utilisée pour déverrouiller automatiquement un appareil lorsque le visage de l'utilisateur est reconnu.

Face Detection API result on Eden AI

‍

Commencez avec l'API de détection de visages vidéo

La première étape consiste à configurer Axios, un client HTTP basé sur des promesses pour le navigateur et Node.js, qui vous permettra d'appeler l'API Eden AI.

‍

Ensuite, vous devez initialiser le module Système de fichiers pour accéder aux fichiers locaux de votre ordinateur.

‍

Enfin, vous devrez créer votre formulaire de paramètres multipart/formdata :

‍

Comment utiliser l'API de détection de visages vidéo avec JavaScript

Vous êtes maintenant prêt à traiter votre fichier vidéo dans l'API Eden AI Video Face Detection.

‍

1. Obtenez une clé d'API de détection de visages vidéo sur Eden AI

Pour effectuer la détection vidéo des visages dans les vidéos, vous devez créer un compte sur Eden AI gratuitement. Ensuite, vous pourrez obtenir votre Clé API directement depuis la page d'accueil avec des crédits gratuits offerts par Eden AI.

‍

‍

‍2. Détectons les visages dans votre fichier vidéo

Maintenant que vous avez initialisé les modules JavaScript requis et obtenu votre clé API, vous serez en mesure de détecter les visages dans les vidéos. La détection de visages dans les vidéos passe désormais par un LLM multimodal qui accepte la vidéo en entrée, appelé via l'endpoint de chat compatible OpenAI d'Eden AI : le modèle liste les visages avec une courte description et les intervalles de temps où ils apparaissent, plutôt que des cadres de délimitation image par image. Vous pouvez utiliser tout modèle dont les input_modalities contiennent video : consultez notre documentation.

‍

Voici le code JavaScript pour ajouter votre vidéo au formulaire et définir votre clé API :



form.append("file", fs.createReadStream("path/to/your/video.mp4"));
const apiKey = "Your_API_Key";

Une fois le fichier ajouté, vous pouvez configurer vos requêtes : la vidéo est d'abord envoyée à Eden AI, qui renvoie un file_id, puis la requête demande à un LLM multimodal, ici google/gemini-2.5-flash, de détecter les visages et de répondre dans le format JSON défini par le schéma :



// Step 1: upload your video to Eden AI, which returns a file_id
const uploadOptions = {
method: "POST",
url: "https://api.edenai.run/v3/upload",
headers: {
authorization: `Bearer ${apiKey}`,
...form.getHeaders(),
},
data: form,
};

// Step 2: ask a multimodal LLM to detect the faces, with the JSON format of the answer
const schema = {
type: "object",
properties: {
faces: {
type: "array",
items: {
type: "object",
properties: {
face: { type: "string" },
start_time: { type: "number" },
end_time: { type: "number" },
},
required: ["face", "start_time", "end_time"],
},
},
},
required: ["faces"],
};

const options = (fileId) => ({
method: "POST",
url: "https://api.edenai.run/v3/chat/completions",
headers: {
authorization: `Bearer ${apiKey}`,
},
data: {
model: "google/gemini-2.5-flash", // any model with video in its input_modalities
messages: [
{
role: "user",
content: [
{ type: "text", text: "List the faces that appear in this video, each with a short description and the time range in seconds where it appears." },
{ type: "file", file: { file_id: fileId } },
],
},
],
response_format: { type: "json_schema", json_schema: { name: "faces", schema: schema } },
},
});

‍

Ensuite, vous devrez créer la fonction LaunchJob () qui exécutera la requête POST :

‍

Enfin, créez la fonction run() qui envoie la vidéo, lance la requête et lit la réponse. Il n'y a pas de tâche à interroger, car le résultat arrive dans la même réponse :



const run = async () => {
const upload = await axios.request(uploadOptions);
const response = await launchJob(options(upload.data.file_id));
console.log(response.data);

// The answer is a JSON string that follows the schema
const result = JSON.parse(response.data.choices[0].message.content);
console.log(result.faces);
};

run().catch((error) => {
console.error(error.response ? error.response.data : error);
});

‍

Vous obtiendrez cette réponse, dans laquelle le modèle répond par une chaîne JSON placée dans choices[0].message.content :



{
"status": "success",
"model": "gemini-2.5-flash",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "{\"faces\": [{\"face\": \"Sintel, bundled in scarf in snowy mountains\", \"start_time\": 5.0, \"end_time\": 8.0}, ...]}"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 15635,
"completion_tokens": 3579,
"total_tokens": 19214
},
"provider": "google",
"cost": 0.0148077
}

‍

Une fois analysée, cette chaîne JSON donne le résultat de la tâche de détection vidéo des visages (les intervalles de temps sont estimés par le modèle, vérifiez-les sur quelques-unes de vos vidéos avant de vous y fier en production) :



[
{
"face": "Sintel, bundled in scarf in snowy mountains",
"start_time": 5,
"end_time": 8
},
{
"face": "Elderly tribal man with grey beard",
"start_time": 12,
"end_time": 13
},
{
"face": "Sintel, pensive indoors",
"start_time": 14,
"end_time": 15
},
{
"face": "Bald attacker with tribal paint, surprised",
"start_time": 17,
"end_time": 17.5
},
...
]

‍

Avantages de l'utilisation de l'API de détection de visages vidéo avec Eden AI

L'utilisation de la détection vidéo des visages avec l'API Eden AI est simple et rapide.

Plusieurs IA dans une seule API - Eden AI

‍

Économisez du temps et de l'argent

Nous proposons une API unifiée pour tous les fournisseurs : simple et standard à utiliser, avec un changement rapide d'un fournisseur à l'autre et un accès aux fonctionnalités spécifiques de chaque fournisseur.

‍

Facile à intégrer

Le format de sortie JSON est le même pour tous les fournisseurs grâce au travail de standardisation d'Eden AI. Les éléments de réponse sont également standardisés grâce aux puissants algorithmes de correspondance d'Eden AI.

‍

Personnalisation

Avec Eden AI, vous avez la possibilité d'intégrer une plateforme tierce : nous pouvons développer rapidement des connecteurs. Pour aller plus loin et personnaliser votre demande de détection vidéo des visages avec des paramètres spécifiques, consultez notre documentation.

‍‍

Questions fréquentes sur la détection de des visages dans une vidéo avec JavaScript

Eden AI fournit une API simple et conviviale pour les développeurs qui vous permet de détecter les visages dans les vidéos.
Dans ce didacticiel, vous apprendrez à utiliser la détection des visages dans les vidéos en 5 minutes à l'aide de JavaScript.
Maintenant que vous avez initialisé les modules JavaScript requis et obtenu votre clé API, vous serez en mesure de détecter les visages dans les vidéos.
Eden AI centralise plusieurs fournisseurs IA, simplifie les tests et limite les intégrations à maintenir.

Articles similaires

Un opérateur guide un fil de blocs de prompt vers la tour GPU dont les blocs de cache sont encore allumés, à l’écart d’une tour où ils se sont éteints.
Tutoriel
IA Générative
Faut-il passer au routage SageMaker sensible au cache KV ?
11/17/2026
·
Written byClément Moreau
Tutoriel
IA Générative
Du shadow AI à une IA gouvernée en 30 jours : le guide pratique
10/28/2026
·
Written byTaha Zemmouri
COMMENCEZ

Commencez à créer avec Eden AI

Une interface unique pour intégrer les meilleures technologies d’IA dans vos flux de travail.