当前位置：网站首页>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？

2022-06-09 17:14:00 【nginx】

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

  • 在AppGallery Connect中配置相关信息，具体开发准备可以参考文档。
  • 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。 
  
 
 
    
   
  
  
  1. allprojects {
    2. 
   
  
  
  2.  repositories {
    3. 
   
  
  
  3.  google()
    4. 
   
  
  
  4.  jcenter()
    5. 
   
  
  
  5.  maven {url 'https://developer.huawei.com/repo/'}
    6. 
   
  
  
  6.  }
    7. 
   
  
  
  7.  }
    8.
在“buildscript”>“repositories”里面配置HMS Core SDK的Maven仓地址。 
  
 
 
    
   
  
  
  1. buildscript {
    2. 
   
  
  
  2.  repositories {
    3. 
   
  
  
  3.  google()
    4. 
   
  
  
  4.  jcenter()
    5. 
   
  
  
  5.  maven {url 'https://developer.huawei.com/repo/'}
    6. 
   
  
  
  6.  }
    7. 
   
  
  
  7.  }
    8.
在“buildscript”>“dependencies”里面增加AppGallery Connect插件配置。 
  
 
 
    
   
  
  
  1. buildscript{
    2. 
   
  
  
  2.  dependencies {
    3. 
   
  
  
  3.  classpath 'com.huawei.agconnect:agcp:1.3.1.300'
    4. 
   
  
  
  4.  }
    5. 
   
  
  
  5.  }
    6.
人脸比对功能开发

  • 创建人脸比对检测器实例。
  
 
 
    
   
  
  
  1. MLFaceVerificationAnalyzer analyzer = MLFaceVerificationAnalyzerFactory.getInstance().getFaceVerificationAnalyzer();
    2.

  • 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。
  
 
 
    
   
  
  
  1. // 通过bitmap创建MLFrame
    2. 
   
  
  
  2. MLFrame templateFrame = MLFrame.fromBitmap(bitmap);
    3.

  • 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。
  
 
 
    
   
  
  
  1. List<MLFaceTemplateResult> results = analyzer.setTemplateFace(templateFrame);
    2. 
   
  
  
  2. for (int i = 0; i < results.size(); i++) {
    3. 
   
  
  
  3.  // 处理模板图片识别结果
    4. 
   
  
  
  4. }
    5.

  • 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。
  
 
 
    
   
  
  
  1. // 通过bitmap创建MLFrame
    2. 
   
  
  
  2. MLFrame compareFrame = MLFrame.fromBitmap(bitmap);
    3.

  • 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： 
  
 
 
    
   
  
  
  1. Task<List<MLFaceVerificationResult>> task = analyzer.asyncAnalyseFrame(compareFrame);
    2. 
   
  
  
  2. task.addOnSuccessListener(new OnSuccessListener<List<MLFaceVerificationResult>>() {
    3. 
   
  
  
  3.  @Override
    4. 
   
  
  
  4.  public void onSuccess(List<MLFaceVerificationResult> results) {
    5. 
   
  
  
  5.  // 检测成功
    6. 
   
  
  
  6.  }
    7. 
   
  
  
  7. }).addOnFailureListener(new OnFailureListener() {
    8. 
   
  
  
  8.  @Override
    9. 
   
  
  
  9.  public void onFailure(Exception e) {
    10. 
   
  
  
  10.  // 检测失败
    11. 
   
  
  
  11.  }
    12. 
   
  
  
  12. });
    13.
·同步方法示例代码： 
  
 
 
    
   
  
  
  1. SparseArray<MLFaceVerificationResult> results = analyzer.analyseFrame(compareFrame);
    2. 
   
  
  
  2. for (int i = 0; i < results.size(); i++) {
    3. 
   
  
  
  3.  // 检测结果处理
    4. 
   
  
  
  4. }
    5.

  • 检测完成，停止分析器，释放检测资源。
  
 
 
    
   
  
  
  1. if (analyzer != null) {
    2. 
   
  
  
  2.  analyzer.stop();
    3. 
   
  
  
  3. }
    4.
活体检测功能开发
默认扫描界面

  • 创建静默活体检测结果回调，用于获取检测结果。
  
 
 
    
   
  
  
  1. private MLLivenessCapture.Callback callback = new MLLivenessCapture.Callback() {
    2. 
   
  
  
  2.  @Override
    3. 
   
  
  
  3.  public void onSuccess(MLLivenessCaptureResult result) {
    4. 
   
  
  
  4.  //检测成功的处理逻辑，检测结果可能是活体或者非活体。
    5. 
   
  
  
  5.  }
    6. 
   
  
  
    7. 
   
  
  
  7.  @Override
    8. 
   
  
  
  8.  public void onFailure(int errorCode) {
    9. 
   
  
  
  9.  //检测未完成，如相机异常CAMERA_ERROR,添加失败的处理逻辑。
    10. 
   
  
  
  10.  }
    11. 
   
  
  
  11. };
    12.

  • 创建静默活体检测实例，启动检测。
  
 
 
    
   
  
  
  1. MLLivenessCapture capture = MLLivenessCapture.getInstance();
    2. 
   
  
  
  2. capture.startDetect(activity, callback);
    3.
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：GitHub、Gitee
关注我们，第一时间了解 HMS Core 最新技术资讯~


   
   
   
                        

原网站

版权声明
本文为[nginx]所创，转载请带上原文链接，感谢
https://www.openjq.com/thread-35014-1-1.html

边栏推荐

猜你喜欢

随机推荐