前言

活体检测有多种情形，本文所指：从摄像头获取的影像中判断是活体，还是使用了相片等静态图片。

场景描述

用户个人信息中上传了近照，当用户经过摄像头时进行身份识别。

此时，如果单纯的使用摄像头获取的影像进行人脸相似度比对，则举一张合适的相片对准摄像头也是可以通过的。于是检测摄像头前影像是否为活体的需求就产生了。

解决方案

第一步，申请百度应用

点击“立即使用”，登录后“创建应用”，可以得到 API Key 与 Secret Key 等信息。

第二步，使用 API 进行活体检测

这里的场景比较简单，摄像头获取的影像可以保存为图片，则功能接口可以这样定义：给定图片(这里使用URL)，判断其活体影像的概率。根据百度建议，概率设置为 99.5%，即达到此值或以上认为活体检测通过。

(1)获取 accessToken

accessToken 有效期为 30 天，因此，可以缓存起来使用。此为示例，时长又足够长，所以未加刷新机制。代码如下，其中，clientId 为百度应用中的 API Key，clientSecret 为百度应用中的 Secret Key。

public static class AccessToken

{

// 有效期30天，缓存获取的 access token

public static String TOKEN = null;

// 百度云中开通对应服务应用的 API Key

private static String clientId = "API Key";

// 百度云中开通对应服务应用的 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> paraList = new List>();

paraList.Add(new KeyValuePair("grant_type", "client_credentials"));

paraList.Add(new KeyValuePair("client_id", clientId));

paraList.Add(new KeyValuePair("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("access_token");

}

return TOKEN;

}

}

(2)调用 API 取得活体概率

API 的返回结果为 JSON，其中包括了活体概率，这里，方法直接返回 API 的 JSON 结果。

public class FaceLivenessHelper

{

// 在线活体检测

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("在线活体检测:");

Console.WriteLine(result);

return result;

}

}

结果中：face_liveness 即表示“活体分数值”。

(3)应用

API 的调用结果中，error_code 为 0 时表示执行成功，此时，会有 result 属性表示计算的相关值，从中取出 face_liveness 即可，其值为 0 ~ 1之间。

string imgUrl = "------";

string result = FaceLivenessHelper.FaceVerify(imgUrl);

JObject jresult = JObject.Parse(result);

JObject lvresult = jresult.Value("result");

// error_code 为 0 时表示执行成功，其它表示失败

if (jresult.Value("error_code") == 0)

{

double face_liveness = lvresult.Value("face_liveness");

// 活体率达到要求

if (face_liveness >= 0.995)

{

// 通过检测

}

}

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对我们的支持。

时间： 2019-09-08