前言
活體檢測有多種情形，本文所指：從攝像頭獲取的影像中判斷是活體，還是使用了相片等靜態圖片。
場景描述
用戶個人信息中上傳了近照，當用戶經過攝像頭時進行身份識別。
此時，如果單純的使用攝像頭獲取的影像進行人臉相似度比對，則舉一張合適的相片對準攝像頭也是可以通過的。于是檢測攝像頭前影像是否為活體的需求就產生了。
解決方案
使用百度AI開放平臺，它免費開放一定并發量的該場景活體檢測 API：
https://ai.baidu.com/tech/face/faceliveness
第一步，申請百度應用
點擊“立即使用”，登錄后“創建應用”，可以得到 API Key 與 Secret Key 等信息。
第二步，使用 API 進行活體檢測
這里的場景比較簡單，攝像頭獲取的影像可以保存為圖片，則功能接口可以這樣定義：給定圖片（這里使用URL），判斷其活體影像的概率。根據百度建議，概率設置為 99.5%，即達到此值或以上認為活體檢測通過。
（1）獲取 accessToken
accessToken 有效期為 30 天，因此，可以緩存起來使用。此為示例，時長又足夠長，所以未加刷新機制。代碼如下，其中，clientId 為百度應用中的 API Key，clientSecret 為百度應用中的 Secret Key。
public static class AccessToken{ // 有效期30天，緩存獲取的 access token public static String TOKEN = null; // 百度云中開通對應服務應用的 API Key private static String clientId = "API Key"; // 百度云中開通對應服務應用的 Secret Key private static String clientSecret = "Secret Key"; public static String getAccessToken() { if (String.IsNullOrEmpty(TOKEN)) { String authHost = "https://aip.baidubce.com/oauth/2.0/token"; HttpClient client = new HttpClient(); List<KeyValuePair<String, String>> paraList = new List<KeyValuePair<string, string>>(); paraList.Add(new KeyValuePair<string, string>("grant_type", "client_credentials")); paraList.Add(new KeyValuePair<string, string>("client_id", clientId)); paraList.Add(new KeyValuePair<string, string>("client_secret", clientSecret)); HttpResponseMessage response = client.PostAsync(authHost, new FormUrlEncodedContent(paraList)).Result; String result = response.Content.ReadAsStringAsync().Result; JObject jr = JObject.Parse(result); TOKEN = jr.Value<string>("access_token"); } return TOKEN; } }（2）調用 API 取得活體概率
API 的返回結果為 JSON，其中包括了活體概率，這里，方法直接返回 API 的 JSON 結果。
public class FaceLivenessHelper{ // 在線活體檢測 public static string FaceVerify(string imgUrl) { string token = AccessToken.getAccessToken(); string host = "https://aip.baidubce.com/rest/2.0/face/v3/faceverify?access_token=" + token; Encoding encoding = Encoding.Default; HttpWebRequest request = (HttpWebRequest)WebRequest.Create(host); request.Method = "post"; request.KeepAlive = true; // String str = "[{/"image/":/"sfasq35sadvsvqwr5q.../",/"image_type/":/"BASE64/",/"face_field/":/"age,beauty,expression/"}]"; String str = "[{/"image/":/"" + imgUrl + "/",/"image_type/":/"URL/",/"face_field/":/"age,beauty,expression/"}]"; byte[] buffer = encoding.GetBytes(str); request.ContentLength = buffer.Length; request.GetRequestStream().Write(buffer, 0, buffer.Length); HttpWebResponse response = (HttpWebResponse)request.GetResponse(); StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.Default); string result = reader.ReadToEnd(); Console.WriteLine("在線活體檢測:"); Console.WriteLine(result); return result; }}詳細 API 文檔見此：https://ai.baidu.com/docs#/Face-Liveness-V3/top
結果中：face_liveness 即表示“活體分數值”。
（3）應用
API 的調用結果中，error_code 為 0 時表示執行成功，此時，會有 result 屬性表示計算的相關值，從中取出 face_liveness 即可，其值為 0 ~ 1之間。
string imgUrl = "------";string result = FaceLivenessHelper.FaceVerify(imgUrl);JObject jresult = JObject.Parse(result);JObject lvresult = jresult.Value<JObject>("result");// error_code 為 0 時表示執行成功，其它表示失敗if (jresult.Value<int>("error_code") == 0){ double face_liveness = lvresult.Value<double>("face_liveness"); // 活體率達到要求 if (face_liveness >= 0.995) { // 通過檢測 }}總結
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對武林網的支持。
新聞熱點
疑難解答
