其他分享
首页 > 其他分享> > 刷脸认证如何实现人脸又快又准完成校验?

刷脸认证如何实现人脸又快又准完成校验?

作者:互联网

互联网飞速发展的今天,各种App的验证方法也越来越方便用户,从一开始的密码输入,到后来的指纹解锁,演变成如今的刷脸认证。刷个脸,就可以解锁设备、在线/线下支付、通过门禁、快速检票等。与此同时也伴随了很多安全问题,首要就是如何判断用户的真实性。

HMS Core机器学习服务(ML Kit)的人脸比对和活体检测能力能够快速捕捉人脸,通过识别并提取模板中的人脸特征,不需要用户配合做动作就可以判断是真实人脸,还是人脸攻击,同时将模板人像和人脸进行高精度比对,输出相似度值,进而判断两者是否为同一个人。

基于此,开发者可以快速构建人脸检测能力,比如在金融类App中,比对用户身份证照片和人脸检测结果,判断用户信息真实性,可提供快速安全的身份核验流程,适用于互联网远程开户、刷脸支付等金融业务。在办公App中,可采取刷脸考勤,识别是否为本人,有效防止代打卡等行为。

效果展示

从效果展示图来看,活体检测几秒钟就可以完成精准识别手机上的假照片。

开发步骤

开发准备

  1. 在AppGallery Connect中配置相关信息,具体开发准备可以参考文档

  2. 配置HMS Core SDK的Maven仓地址。

打开Android Studio项目级“build.gradle”文件。

添加AppGallery Connect插件以及Maven代码库。

在“allprojects”>“repositories”里面配置HMS Core SDK的Maven仓地址。

allprojects {
    repositories {
        google()
        jcenter()
        maven {url 'https://developer.huawei.com/repo/'}
    }
 }

在“buildscript”>“repositories”里面配置HMS Core SDK的Maven仓地址。

buildscript {
    repositories {
        google()
        jcenter()
        maven {url 'https://developer.huawei.com/repo/'}
    }
 }

在“buildscript”>“dependencies”里面增加AppGallery Connect插件配置。

buildscript{
    dependencies {
         classpath 'com.huawei.agconnect:agcp:1.3.1.300'
    }
 }

人脸比对功能开发

  1. 创建人脸比对检测器实例。
MLFaceVerificationAnalyzer analyzer = MLFaceVerificationAnalyzerFactory.getInstance().getFaceVerificationAnalyzer();
  1. 通过android.graphics.Bitmap创建MLFrame对象用于设置模版图片,支持的图片格式包括:JPG、JPEG、PNG、BMP。
// 通过bitmap创建MLFrame
MLFrame templateFrame = MLFrame.fromBitmap(bitmap);
  1. 设置人脸比对模版图片。如果模板中无人脸,则表示模板设置失败,保持该实例上一次设置的模板不变。
List<MLFaceTemplateResult> results = analyzer.setTemplateFace(templateFrame);
for (int i = 0; i < results.size(); i++) {
    // 处理模板图片识别结果
}
  1. 通过android.graphics.Bitmap创建MLFrame对象用于设置比对图片。支持的图片格式包括:JPG、JPEG、PNG、BMP。
// 通过bitmap创建MLFrame
MLFrame compareFrame = MLFrame.fromBitmap(bitmap);
  1. 调用同步或异步方法进行人脸比对。检测结果主要包括比对图片中检测到的人脸信息、检测到的人脸信息与模板人脸是同一个人的置信度。详细信息请参见MLFaceVerificationResult

• 异步方法示例代码:

Task<List<MLFaceVerificationResult>> task = analyzer.asyncAnalyseFrame(compareFrame);
task.addOnSuccessListener(new OnSuccessListener<List<MLFaceVerificationResult>>() {
    @Override
    public void onSuccess(List<MLFaceVerificationResult> results) {
        // 检测成功
    }
}).addOnFailureListener(new OnFailureListener() {
    @Override
    public void onFailure(Exception e) {
        // 检测失败
    }
});

• 同步方法示例代码:

SparseArray<MLFaceVerificationResult> results = analyzer.analyseFrame(compareFrame);
for (int i = 0; i < results.size(); i++) {
    // 检测结果处理
}
  1. 检测完成,停止分析器,释放检测资源。
if (analyzer != null) {
    analyzer.stop();
}

活体检测功能开发

默认扫描界面

  1. 创建静默活体检测结果回调,用于获取检测结果。
private MLLivenessCapture.Callback callback = new MLLivenessCapture.Callback() {
   @Override
   public void onSuccess(MLLivenessCaptureResult result) {
    //检测成功的处理逻辑,检测结果可能是活体或者非活体。
   }


   @Override
   public void onFailure(int errorCode) {
       //检测未完成,如相机异常CAMERA_ERROR,添加失败的处理逻辑。
   }
};
  1. 创建静默活体检测实例,启动检测。
MLLivenessCapture capture = MLLivenessCapture.getInstance();
capture.startDetect(activity, callback);

了解更多详情>>

访问华为开发者联盟官网
获取开发指导文档
华为移动服务开源仓库地址:GitHubGitee

关注我们,第一时间了解 HMS Core 最新技术资讯~

标签:活体,检测,校验,analyzer,MLFrame,人脸,快又准,模板
来源: https://www.cnblogs.com/hmscore/p/16358191.html