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
使用百度AI开放平台，它免费开放一定并发量的该场景活体检测 API：
https://ai.baidu.com/tech/face/faceliveness
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<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）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;
}
}
详细 API 文档见此：https://ai.baidu.com/docs#/Face-Liveness-V3/top
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<JObject>("result");
// error_code 为 0 时表示执行成功，其它表示失败
if (jresult.Value<int>("error_code") == 0)
{
double face_liveness = lvresult.Value<double>("face_liveness");
// 活体率达到要求
if (face_liveness >= 0.995)
{
// 通过检测
}
}
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，谢谢大家对脚本之家的支持。
