资讯 社区 文档
技术能力
语音技术
文字识别
人脸与人体
图像技术
语言与知识
视频技术

人脸采集

概述

核心概念

人脸识别的应用场景,核心可以分为两大类:

  1. 身份核验:即人脸实名认证或自传人脸照片进行1:1人脸对比,判断两张脸的相似度,判断你是你,通常用于需要验证用户身份真实性的场景,如人证对比。
  2. 身份识别:即1:N人脸搜索,在一个人脸集合中找到最相似的人脸,判断你是谁,通常用于判断用户身份是否存在,及身份信息内容的场景,如人脸门禁、人脸支付等。

而以上场景的几乎所有业务过程,核心可以分为两个步骤:

  1. 人脸采集:人脸识别的前置步骤,即获取到人脸图片,用于对比、识别、属性分析等操作。
  2. 人脸分析:包括人脸图片的加工处理,特征抽取与对比,结果返回等一系列操作,也是通常理解为的人脸识别操作。

要想确保人脸识别的应用效果得到保障,最为核心的一个环节即人脸的获取,即人脸采集。目前市面上所有人脸识别应用落地,面临的主要问题就是应用环境复杂,包括光照、遮挡、作弊攻击等一系列环境因素干扰,涉及产品策略、硬件选型、施工方案等多个维度地综合作用,才能不断提升最终效果。

为了更好地帮助您完成人脸采集步骤,下文将详细介绍采集过程中的一些SDK、API、硬件相关内容,希望对您的人脸识别集成有所帮助。

流程概览

目录导览

目录导览如下,文档内容较长,但前后具备相关性,建议顺序阅读。

准备工作
  - 账号及应用
  - SDK
  - 采集设备
  - API接口
采集指标
  - 质量控制
    - 概述
    - 遮挡
    - 模糊度
    - 光照
    - 姿态
    - 其他
  - 活体检测
    - 概述
    - 有动作活体检测
    - 静默图片活体检测
    - 视频活体检测
SDK采集
  - 概述
  - 功能介绍
  - 支持平台
  - 规格参数
  - 场景版本
  - 离线质量检测
  - 离线有动作活体检测
  - 开放参数配置
  - 应用方案建议
H5采集
  - 概述
  - 质量检测——API方式
  - 活体检测——API方式
  - 图片裁剪与压缩
采集设备
  - 概述
  - 手机
  - 平板
  - 近距离人脸采集开发组件
  - 中远距离人脸采集开发组件
  - 远距离人脸采集开发组件

准备工作

磨刀不误砍柴工,在正式讲解人脸采集细节前,让我们先梳理下必要的前置准备工作。

1、账号及应用

在进入实际开发前,请先阅读 新手指南,指南中详细地讲解了开放平台账号及应用的创建及管理操作。

新手指南中主要讲解三件事情:

  1. 准备百度智能云账号:如果首次使用,需要完成个人认证及企业认证(部分能力需要)。这是您使用API接口、SDK管理、付费等操作的主体。
  2. 创建应用:在百度智能云人脸识别应用列表中操作,创建一个应用,会对应生成AppIDAPI-KeySecret-Key,这是应用的唯一标识,是您调用API接口的基本操作单元(主要用于权限配置、应用高级配置等)。
  3. 生成签名:也称为Access_token,是调用API时的鉴权凭证,具体可参考 Token获取方法

以上三项事宜是使用公有云服务的必备步骤,也是后续很高频使用的内容。

2、SDK

平台目前提供两种类型的人脸识别SDK,如下:

  • 服务端SDK:封装人脸识别所有API服务,用于更快捷地调用API接口
  • 客户端SDK:封装离线人脸检测等功能,在设备前端完成离线采集人脸的功能

服务端SDK

服务端SDK内部封装了所有人脸识别API,并增加了超时设置接口、自动token更换等功能,便于您快速上手调用API。目前支持JavaPHPPythonC#C++Node.js 6个常用语言版本。通常用于在服务器端,完成与百度人脸识别API的请求交互操作。

您可以直接 前往下载,无需任何资质条件,下载后在SDK中替换您自己的API-KeySecret-Key即可使用。

客户端SDK

客户端SDK将人脸采集这个步骤放到前端解决。内部封装了离线人脸检测、跟踪、质量校验、活体检测、图片捕捉功能,但人脸实名认证、1:1、1:N识别还需调用在线API接口。

目前对外开放iOSAndroid两个手机端版本。

客户端SDK需要 提交申请,流程分为以下几步:

  1. 完成企业认证(营业执照信息认证)
  2. 填写申请理由(填写联系方式、使用场景等)
  3. 等待审批(通常为1-5天内)
  4. 获取SDK使用权限

申请通过后,您即可创建人脸实名认证项目及APP方案,获得对应示例工程源码。

SDK默认配备4个产品线授权(产品线指:基于应用维度,如一款APP即为一条产品线,如手机百度 iOS/Android APP,依据为Bundle ID或者Package name),4个授权基本可以满足大部分的产品业务需求,如果需要更多的产品线授权,请认真填写信息、申请增加授权数量

SDK的使用,涉及有效期,有效期过后,SDK本地功能将会不可用,SDK会自动向百度服务器请求拉取最新的授权license(需要联网),如果对这个产品线的授权在服务端操作了延期,则SDK会在过期后的第一次初始化时,自动更新本地license,完全不影响用户使用。

默认申请通过后,我们会送您3-6个月免费测试期;如果需要正式使用,可以提交延期申请,并注明申请理由,具体操作请在 后台管理,如下图所示:

3、采集设备

实际使用中,方案的最终使用,都需要配合前端采集的硬件设备,目前对于常规人脸需求,几种选型方案如下:

  • 手机:APP场景下的绝大部分使用场景,摄像头、屏幕、数据处理一体化,除了APP产品,也可以用于快速构建demo,验证业务流程的首选。
  • 平板:相对于手机,屏幕更大,功能更聚焦,业务产品的UI定制更方便,常规的签到、考勤、柜台支付、会员识别等也是不错的设备选择。
  • USB摄像头+开发板:更灵活的配置选型,可拓展性强,可根据不同场景需求进行灵活调整,对于逆光等核心问题场景处理效果更好。
  • 网络摄像头+开发板:中远场识别、检测人数不是很多的无感知识别场景,可拓展性强,但布设复杂度高,多人场景下性能有限。
  • 智能摄像头:远场场景识别,检测人数较多的无感知识别场景,通常用于视频监控、人流量统计、安防布控等,摄像头成本较高,但多人检测性能最好。

以上仅为简单列举,后文会对硬件选型进行详细介绍。

4、API接口

人脸采集后,仅是在前端设备上拿到人脸图片,实际的1:1、1:N识别仍要通过API调用实现。

目前平台提供的接口分为以下几种:

  • 人脸实名认证:可通过身份证信息、现场采集人脸图片,与用户在权威数据源的信息进行一致性校验,并与业务中的人脸图片进行对比,判断用户为本人且为真人;查看详细介绍>>
  • 人脸对比:比对两张图片中人脸的相似度,并返回相似度分值;支持生活照、证件照、带水印照等多种人脸图片类型;查看详细介绍>>
  • 在线图片活体:在指定人脸集合中,找到最相似的人脸,支持单张人脸的查找,及一张图片中多张人脸的同时查找;查看详细介绍>>

采集指标

质量控制

概述

人脸识别或对比的最终效果,取决于人脸在采集过程中,采集到的人脸是否符合标准质量要求。从业务使用角度,主要影响两个核心业务步骤:

  1. 人脸注册环节:如果注册的人脸质量不佳,则会影响注册环节的特征抽取,导致原始注册的人脸信息较差,后面的识别/对比都会受到直接的影响,往往得到的相似度分值,将不会特别准确。
  2. 人脸识别/对比环节:因为注册人脸质量不佳,每次的识别/对比都会存在一定的分值误差,往往造成明明是本人却过不去的情况。

人脸的质量检测,概括起来包括以下几点:

  • 遮挡:指人脸各部位的遮挡比例;
  • 模糊度:指人脸的清晰程度;
  • 光照:指人脸的光照强度;
  • 完整性:指图片中的人脸是否完整;

另外在实际采集过程中,也会将姿态作为一个重要控制指标:

  • 姿态:指人脸在三维空间的角度分布;

人脸采集步骤,需要做好以上5项的条件判断,从而确保最终识别效果。当您拿到一张新的人脸图片,如果需要判断上述5项的具体分析结果,可以调用 人脸检测接口 ,此接口通常用于做常规质量控制的接口实现最佳方式;或者申请使用 客户端SDK 进行校验,SDK内置了质量校验模块,可以对输入的视频流进行动态实时的质量校验。

下面让我们一起详细看看这5个质量检测项:


遮挡

Occlusion

人脸中各个部位的遮挡程度判断,区域可以分为:左眼有眼鼻子左脸颊有脸颊嘴巴下巴,共7个区域。通常某一个或者多个区域遮挡面积过大,会影响最终的识别效果,可以通过区域的遮挡值,在产品侧给用户比较明确的产品反馈提示,供用户参考调节。

每个区域的建议阈值选择如下:

 取值范围:[0~1]
 0:无遮挡
 1:完全遮挡

 left_eye : 0.6, //左眼被遮挡的阈值
 right_eye : 0.6, //右眼被遮挡的阈值
 nose : 0.7, //鼻子被遮挡的阈值
 mouth : 0.7, //嘴巴被遮挡的阈值
 left_check : 0.8, //左脸颊被遮挡的阈值
 right_check : 0.8, //右脸颊被遮挡的阈值
 chin_contour : 0.6, //下巴被遮挡阈值

说明:左右位置的表示,是以当前检测图片的方向确定。如实际场景中为人物的左脸颊,但是在分析时,则认为是右脸颊。

下面展示三个示例图片,用于理解遮挡的概念:

【示例一】

分析:脸颊有一定头发遮挡,但都在阈值范围内,整体问题不大。不过为了更好的识别效果,如果可以向用户反馈提示文案的话,可提示用户重新整理右脸颊侧的头发,并重新录入人脸。而文案触发机制可以设定一个更严格的产品自定义阈值。

"occlusion": {
	"left_eye": 0,
	"right_eye": 0.12301587313414,
	"nose": 0.016585364937782,
	"mouth": 0,
	"left_cheek": 0.013826940208673,
	"right_cheek": 0.66922038793564, //右脸颊遮挡较大
	"chin": 0.13753361999989
}

【示例二】

分析:脸部各区域都些许遮挡,都未到达阈值,大小相对适中,不影响正常使用。对于识别精准度比较严格的场景,倒也可以提示重新录入

"occlusion": {
	"left_eye": 0.055045872926712,
	"right_eye": 0,
	"nose": 0.1026463508606,
	"mouth": 0.33571428060532,
	"left_cheek": 0.18918919563293,
	"right_cheek": 0.38289964199066, 
	"chin": 0.38516879081726
}

【示例四】

分析:右眼明显遮挡严重,随是艺术照示意,但是在实际应用场景中,主要由于发型原因,存在很多眼镜部分被头发遮挡较严重的情况,产品应用时建议提示用户整理下头发再重试。

"occlusion": {
	"left_eye": 0.032388664782047,
	"right_eye": 0.90909093618393,
	"nose": 0.030821917578578,
	"mouth": 0,
	"left_cheek": 0.22132650017738,
	"right_cheek": 0.23717948794365,
	"chin": 0.0049975011497736
}

【示例四】

分析:因为戴墨镜,导致左右眼遮挡很大,这种情况可直接提示用户摘下眼镜,并重新录入一张。同理,对于口罩长发等也可以如此操作。

"occlusion": {
	"left_eye": 0.71283352375031,
	"right_eye": 0.93929713964462,
	"nose": 0.22417153418064,
	"mouth": 0.37142857909203,
	"left_cheek": 0.089686095714569,
	"right_cheek": 0.64788734912872,
	"chin": 0.66417443752289
}

模糊度

Blur

人脸的模糊程度,取值范围:0~1,0是最清晰,1是最模糊,通常 小于0.7 即可认为是符合条件。

下面展示三个示例图片,用于理解模糊度的概念:

【示例一:原清晰图】

"blur": 6.6545192967116e-11//科学计数法,实际数值非常小

分析:模糊度极接近0,十分清晰,可放心使用。

【示例二:人脸些许模糊】

"blur": 0.0000016524913917237

分析:模糊度接近于0,远小于0.7(建议的阈值),可放心使用。

【示例三:人脸十分模糊】

分析:模糊度接近于1,不可使用。这种情况通常为摄像头未对好焦距,如手机没有拿稳,或摄像头焦点主体错误,通常可提示用户保持身体稳定不动,正视镜头即可。

"blur": 0.99997198581696

光照

illumination

人脸部分光照的灰度值,反映脸部的光照情况,以及客户端SDK中,YUV的Y分量取值范围[0~255],0表示光照不好。人脸过暗对于识别会有显著影响,所以通常在所有质量校验中,要优先保持人脸的光照充足。

人脸采集过程中,常遇到的光线问题,一般分为以下几种:

  • 对比度过低
  • 过曝光
  • 欠曝光
  • 过亮
  • 过暗
  • 阴阳脸

以上问题,主要原因主要分为以下几种:

  • 镜头对焦:因为镜头对焦问题,导致曝光不正常,往往人脸的光线过暗或过亮。
  • 光源不足:往往导致脸部光线较暗。
  • 光源角度:导致阴阳脸等光线分布严重不均匀的情况。

所有问题中,逆光往往是最严重的问题,大部分的人脸采集设备是在白天作业,摄像头在逆光情况下,采集到的脸部光照会很暗,导致识别不到人脸或者识别效果差。这种情况,通常可以有以下几种应对措施:

  1. 补光灯:在摄像头旁边添加一个补光灯,用于提高脸部光线强度,此方案也可以同时保证夜间门禁等场景的光线问题;
  2. 调整设备角度:在满足识别体验的角度情况下,避免镜头对着逆光位置(如阳光、室内大灯等);
  3. 添置遮罩物件

从接口返回值来看,推荐阈值如下:

"illumination"40 //大于40通常认为光照满足,推荐40~100之间

下面展示一个例子,用于理解光照的概念:

【示例一】

分析:过暗的情况,人脸的识别往往存在误差,甚至识别不到,这种情况需要在采集设备周围增加补光设备。

"illumination": 20

【示例二】

分析:阴阳脸。往往是光源位置角度问题,导致某一边人脸光线明显不足,需要确保实际应用过程中,光线分布均匀。

"illumination":

姿态

姿态角分为PitchRollYaw,用于表示人脸在空间三维坐标系内的角度,常用于判断识别角度的界限值。

各角度阈值如下:

Pitch:三维旋转之俯仰角度,范围:[-90(上), 90(下)],推荐俯仰角绝对值不大于20度;
Roll:平面内旋转角,范围:[-180(逆时针), 180(顺时针)],推荐旋转角绝对值不大于20度;
Yaw:三维旋转之左右旋转角,范围:[-90(左), 90(右)],推荐旋转角绝对值不大于20度;

各角度范围示意图如下:

从姿态角度来看,这三个值的绝对值越小越好,这样代表人脸足够正视前方,最利于实际注册/识别使用。

但在实际应用场景中,由于摄像头的布设位置,往往无法拿到正对人脸的图片,主要分为以下几种情况:

  1. 监控摄像头:此类摄像头一般置于室内棚顶/室外架杆顶端,垂直向下倾斜一定角度,水平方向有一定的拍摄广度,一般PitchYaw角度变化范围较大,所以采集到的人脸往往存在大量的俯角过大、侧脸等,导致识别效果不佳。这种情况通常是调整摄像头角度(摄像头与水平面夹角减小)、调整最小检测人脸(在行人靠近摄像头时尽可能早些拿到人脸)、增加摄像头数量(不同角度互相补充,避免采集死角),实际项目实施中,还是要通过实地考察,基于现场环境一点点调节摄像头角度;
  2. 闸机/门禁:闸机方面,摄像头往往置于机器顶部,摄像头向上仰一定角度,通常低于平均成人身高,所以行人路过时,一般需要微微低头看闸机上的摄像头/屏幕,如果摆放不当,会造成采集到的人脸Pitch角度过大;门禁方面,摄像头往往置于成人身高平视高度,但多为门框侧面,如果行人朝向正门,侧面对视摄像头,如摆放不当,会造成采集的人脸Yaw角度过大。以上两种主要场景,需要基于实际场景情况动态调整安装位置,尽量避免角度过大的同时,避免用户动作不要太大。
  3. USB摄像头:线下场景中,USB摄像头常用于近场场景录入人脸(如柜台、大屏、自助柜机等),这种情况下为了拿到角度最好的图片(用户正视屏幕),在应用UI方面做一个前置页面提示,往往能最小成本地提高操作标准度。

下面展示两个示例图片,用于理解姿态角的概念:

【示例一】

分析:通常线下应用过程中,难以获得相对正面的人脸图像,姿态判断需要作为一个标准的校验项。

"yaw": 16.319696426392,
"pitch": -4.8351268768311,
"roll": 2.0234982967377,

【示例二】

分析:如果是将摄像头置于棚顶或室外高处,往往获取到的人脸图片,pitch值比较大,需要特别关注。

"yaw": -10.153998374939,
"pitch": 19.434478759766,
"roll": 1.6366827487946,

其他

完整性

可以使用v2/detect接口中的qualities->completeness参数判断。此参数用于判断人脸完整度,返回只有0或1两种结果, 0为人脸溢出图像边界,1为人脸都在图像边界内。通过此参数可以简单判断人脸是否全部置于画面内,做一定的条件校验。

真人/卡通

可以使用v2/detect接口中的qualities->type参数判断,此参数分为humancartoon两个值,取值范围为[0~1],置信度大于0.5即可判断为真人或者卡通。通过此参数可以简单判断画面中是否存在真实人脸,避免一些动画、素描、油画等人像的仿冒。

活体检测

概述

根据应用场景及安全性要求的不同,目前提供不同的活体检测算法和策略,具体包括:

  • 炫瞳活体检测:通过屏幕上闪烁不同颜色的光线,判断当前用户是否真人操作。通过颜色活体进行面部反光鉴别的同时,百度特加入独有的瞳孔反光识别,提升整体的攻击拒绝率指标。
  • 动作活体检测:通过要求用户配合做出一些面部动作,验证是否为身份伪造攻击,支持6种预设动作,可自定义哪些生效以及检测顺序。
  • 静默活体检测:通过提交图片,检测图片中的屏幕边框、反光、摩尔纹、成像畸变等线索,来区分是否为二次翻拍攻击(举例:如用户A用手机拍摄了一张包含人脸的图片一,用户B翻拍了图片一得到了图片二,并用图片二伪造成用户A去进行识别操作,这种情况普遍发生在金融开户、实名认证等环节)。
  • 录制视频活体检测:通过上传一段做动作/读数字/静默视频,进行视频随机抽帧分析,对随机图片进行活体检测,得出综合攻击情况分析结果。为确保视频唯一性,一般结合随机校验码API使用。

实际采集过程中,为了确保业务流程的合理性,需要确保采集的图片为真人操作,避免其他用户恶意伪造作弊。而以上几种活体检测策略,需要根据业务场景选择最合适的一个或组合方式。下面简单举例一些常见的活体攻击类型:

打印照片

照片抠图

照片变形

手机照片翻拍

Pad/PC照片、视频

照片背景替换

换脸

2.5D动画

3D动画

高仿面具

实时炫瞳活体检测

产品架构:APP、H5 基于屏幕颜色打光,结合服务端识别面部及瞳孔反光情况,拦截假体攻击。无需用户拍摄视频上传,不占用带宽等服务资源,减少前后端交互耗时。建议炫瞳活体结合动作活体,增加攻击的难度。炫瞳活体检测会输出1张最佳人脸图片,请求后端活体服务进行验证。需要强调的是,在此策略下,前端仅仅检测动作的通过情况,并不对视频和真人做出区分通过实名认证方案接入

实时动作活体检测

产品架构:APP、H5 客户端SDK,在前端离线随机要求用户,配合做出眨眼、张嘴、点头、抬头、左摇头、右摇头动作,同时检测用户完成情况。在做动作的过程中,SDK会随机抓取几帧图像,并在动作通过后将抓取的图像上传到后台进行活体判断。需要强调的是,在此策略下,前端仅仅检测动作的通过情况,并不对视频和真人做出区分

该方案的优势在于:随机动作可以增加攻击的成本,并且大大降低打印照片等攻击通过的概率,而这些正好对于后端检测算法来说属于较难案例;另外,活体判断所用的多张图片为前端在完成动作过程随机抓取,因此加大了攻击暴露出破绽的可能性;同时,多张图片可以提高采集到高质量真人活体图片的概率,因而可以采用一个更高的采信阈值,而该阈值对应的活体分数攻击图片则很难达到。

有动作活体检测,不推荐单独使用,需要结合静默图片活体检测一起使用。对于APP场景,一般推荐都可以使用客户端SDK,增加有动作活体检测步骤,提升人脸验证过程的安全性。 通过实名认证方案接入

实时静默活体检测

产品架构:APP、H5 该方案为用户配合度最低的使用方式,无需做任何动作即可完成活体检测。但是活体检测的效果不是十分理想,主要是由于:由于没有随机动作或炫瞳模型,增加了打印照片等攻击通过的概率。另外,静默活体只上传一张图片,增加了误判的可能性。 通过实名认证方案接入

静默图片活体检测

产品架构:H5 该方案为接入成本最低的使用方式,只需提交一张人脸图片即可。但是活体检测的效果不是十分理想,主要是由于:区别于客户端随机抓拍的方式,H5拍照为主动有意识拍照,因此攻击者可以更加方便的设法减少出现后端算法判断的线索,并且在这个过程中用户可以调用后置摄像头进行拍照,前置摄像头和后置摄像头由于焦距的不同,会使后置摄像头拍摄的攻击图片更难分辨真假。另外,H5拍照只上传一张图片,增加了误判的可能性。 通过实名认证方案接入

录制视频活体检测-静默/读数字/动作

产品架构:H5 该方案主要应用于H5方案,优势主要在于:可以结合语音或动作校验码,提供更加严谨地活体检测,视频流在云端会进行类似于有动作检测的随机抽帧,基于多帧进行综合的判断,可以采用更高的采信阈值,大大增加了作弊成本,也增加了暴露破绽的可能性。通过语音/动作校验码验证视频为非伪造,交互体验方面,也较能为用户所接受。 通过实名认证方案接入

活体阈值

阈值(Threshold) 误拒率(FRR) 通过率(TAR) 攻击拒绝率(TRR)
0.05 0.01% 99.99% 97.75%
0.1 0.05% 99.95% 98.33%
0.3(推荐 99.9% 99% 98.82%
0.5 0.5% 99.5% 99.67%
0.9 1% 99% 99.77%

关于以上数值的概念介绍

  • 拒绝率(TRR):如99%,代表100次作弊假体攻击,会有99次被拒绝。
  • 误拒率(FRR):如0.5%,指1000次真人请求,会有5次因为活体分数低于阈值被错误拒绝。
  • 通过率(TAR):如99%,指100次真人请求,会有99次因为活体分数高于阈值而通过。
  • 阈值(Threshold):高于此数值,则可判断为活体。

人脸离线采集SDK

概述

客户端人脸离线采集SDK,具备SDK本地的人脸采集、活体检测、质量检测相关功能,可以更高效准确地,实时采集到符合质量的人脸,配合手机设备,能够快速构建实时人脸采集能力

客户端SDK申请地址

功能介绍

人脸检测

设备端离线实时监测视频流中的人脸,同时支持处理静态图片或者视频流。

人脸跟踪

对当前检测到的人脸持续跟踪,动态定位人脸轮廓,稳定贴合人脸。

人脸关键点

对当前检测到的人脸持续跟踪,并动态实时展现人脸上的核心关键点。

人脸图片采集

在人脸检测及追踪过程中,完成人脸图片采集,并输出预设条件的人脸图片

人脸质量控制

在人脸检测及追踪过程中,实时校验人脸的姿态角度、遮挡、清晰度、光照条件,符合质量条件的才会被采集。

炫瞳活体检测

通过屏幕上闪烁不同颜色的光线,判断当前用户是否真人操作。通过颜色活体进行面部反光鉴别的同时,百度特加入独有的瞳孔反光识别,提升整体的攻击拒绝率指标。
注意:SDK的活体仅检测动作的通过情况,虽然对静态活体攻击防御效果基本为100%,但并不对视频和真人做出区分,一定要配合在线活体接口一起使用,不可单独使用。

动作活体检测

给出指定动作要求,用户需配合完成,通过实时检测用户眼睛,嘴巴,头部姿态的状态,来判断是否是活体。支持6种预设动作,可自定义哪些生效以及检测顺序。
注意:SDK的活体仅检测动作的通过情况,虽然对静态活体攻击防御效果基本为100%,但并不对视频和真人做出区分,一定要配合在线活体接口一起使用,不可单独使用。

静默活体检测

无需用户做动作,直接采集摄像头中的人脸,用户体验较好,适用于内部员工打卡考勤场景。支持APP/H5方案使用。
注意:无动作活体的安全性相对较低,一定要配合在线活体接口一起使用,不可单独使用。

开放参数设置

SDK内部支持高度可定制化参数,对人脸检测、追踪、采集、质量模块进行个性化调整。

UI自定义修改

SDK内部所有UI层代码、音频文件全部开源,可根据实际业务需求任意调整。

多种场景版本

提供iOS、Android双端覆盖,适应各种应用场景及主流手机。。

支持平台

  • iOS版本:iOS 11+
  • 安卓版本:Android 5.1+

规格参数

  • SDK集成后增量大小:~ 5M
  • 最小人脸检测大小:30px * 30px(实际应用推荐80px~200px之间)
  • 可识别人脸角度:yaw ≤ ±30°, pitch ≤ ±30°
  • 检测速度:100ms 1080p*
  • 追踪速度:10ms 1080p*

离线质量检测

客户端SDK中,内置了人脸质量检测模块。在人脸检测及追踪过程中,实时校验人脸的姿态角度、遮挡、清晰度、光照条件,符合质量条件的才会被采集,此质量校验为本地离线校验。

离线有动作活体检测

客户端SDK,离线本地实时反馈人脸中眼睛,嘴巴,头部姿态的状态,通过给用户设定完成相关动作,判断是否是活体。支持指定生效的动作及应用顺序。

开放参数配置

最小检测人脸

在检测人脸过程中,可设置检测到的最小人脸尺寸,小于该尺寸或比例的人脸不会被检测到。

采集姿态角控制

在检测人脸过程中,可设置采集图片时的人脸姿态角度阈值,阈值范围内才会采集人脸。

采集人脸质量控制

在检测人脸过程中,可设置人脸关于光照、清晰度、各部位遮挡的阈值,符合条件才会采集图片。

采集图片设置

可设置采集人脸图片的数量、大小、以及人脸与图片的大小比例,超过图片边界将用黑色填充。

活体检测动作设置

支持炫瞳活体检测;支持眨眼、张嘴、摇摇头、左右转头、上下点头六个指定动作,可设定具体生效的动作,以及校验顺序;支持静默活体。

应用方案建议

数据传输

SDK本地采集人脸的过程,完全无需联网。但人脸实名认证、图片活体检测、人脸对比分析能力需要调用API使用。产品策略方面,因API使用需要使用在线鉴权token,生成token的API Key和Secret Key,考虑到数据安全和维护成本,建议都置于Server端,并下发token到客户端产品,实际的API调用,由Server端做中转控制。

图片压缩

SDK支持采集图片的大小设置,以及人脸和采集图片的比例设置,可基于业务需要,对采集图片大小进行适当地进一步加工。如剪裁(人脸不小于100px)、分辨率压缩(最小宽度200px左右)、质量压缩(控制在0.8以上),以上三种处理方式也可以组合叠加使用。

数据安全

对安全有进一步需求的话,为防止人脸传输过程中被篡改,可对SDK本地输出的人脸图像做加密处理,在server端进行相应解密操作,进一步增强安全性。

话术提示

手机把握姿态

H5采集

概述

H5采集是一种常用的人脸采集方式,因为很多情况下,很多产品并没有原生APP,往往基于H5或者微信小程序等,快速验证业务流程,或者进行线上人脸数据冷启动。但因为H5形式的权限问题,往往只能通过拍照或录制视频上传形式进行活体检测。
H5活体检测方案优势

  • 开发成本低:依赖H5页面即可构建全套实名认证流程,省略繁杂的APP开发流程
  • 可移植性强:方案在H5/APP环境内可快速集成上线,一套方案解决不同业务环境需求
  • 推广便利:可通过短信、邮件、二维码等方式快速将H5链接推送终端用户

传统H5活体检测方案的劣势

  • 需保证动作标准,交互无实时反馈
  • 读数字时需周围环境相对安静
  • 手机录制高清视频大、传输慢,占用网络带宽及服务器资源,服务响应缓慢或请求超时


随着技术的持续升级,目前H5场景下也可以完成类似APP体验的实时活体检测,具体方式包含动作、炫瞳、静默等,具体优势如下:

  • 通过手机视频流采集,过程中实时判断反馈
  • 炫瞳活体:基于屏幕颜色打光,结合服务端识别面部及瞳孔反光情况,拦截假体攻击
  • 动作活体:画面提示动作类型,用户可实时调整确保动作符合校验要求,提升通过率,用户体验优
  • 无需用户拍摄视频上传,不占用带宽等服务资源,减少前后端交互耗时

活体检测

H5方案方式 通过H5人脸实名认证方案接入,实现实时炫瞳/动作/静默活体检测、录制动作/读数字/静默视频活体检测、拍照上传图片活体检测,结合人脸实名认证或人脸比对完成身份核验全流程。

API方式

  • 在线活体检测:可单独使用,或配合H5 js-sdk,进行图片的活体及质量的同时保障采集的图片非二次翻拍。
  • 视频活体检测:录制并上传的视频,在云端进行随机抽帧分析,并得出最终的活体检测分数。
  • 随机校验码:配合视频活体检测API,用于在语音/动作活体检测中生成随机数字/动作。

H5 js-sdk方式 通过私有化部署H5的采集SDK、活体检测部署包,实现从服务端发起实时炫瞳/动作/静默活体检测、录制动作/静默视频活体检测、拍照上传图片活体检测的请求。

活体检测具体阈值选择如下所示:

阈值(Threshold) 误拒率(FRR) 通过率(TAR) 攻击拒绝率(TRR)
0.05 0.01% 99.99% 97.75%
0.1 0.05% 99.95% 98.33%
0.3(推荐 99.9% 99% 98.82%
0.5 0.5% 99.5% 99.67%
0.9 1% 99% 99.77%

关于以上数值的概念介绍

  • 拒绝率(TRR):如99%,代表100次作弊假体攻击,会有99次被拒绝。
  • 误拒率(FRR):如0.5%,指1000次真人请求,会有5次因为活体分数低于阈值被错误拒绝。
  • 通过率(TAR):如99%,指100次真人请求,会有99次因为活体分数高于阈值而通过。
  • 阈值(Threshold):高于此数值,则可判断为活体。

图片裁剪与压缩

用户在提交图片后,最好不要直接用来做业务处理,可以让用户自行剪裁以下图片,保留人脸部分,这样可以更好地完成前端图片的压缩,并满足标准图像的录入。

无论是否做过手工剪裁,都可以基于人脸检测接口,取到人脸的标准框位置,基于四个关键点进行人脸部分的进一步自动剪裁,减少图片的大小,总而减少网络传输耗时。通常建议:剪裁(人脸不小于100px)、分辨率压缩(最小宽度200px左右)、质量压缩(控制在0.8以上),以上三种处理方式也可以组合叠加使用。

采集设备

概述

可基于PhonePad摄像头+开发板等形式,快速搭建人脸采集前端设备。摄像头实时向开发板输入视频流,SDK运行在ARM开发板上,对视频流中的人脸实时处理,并输出符合条件的人脸图片。

手机

应用场景

对于远程开户、刷脸登录、移动考勤等手机端场景,可将iOS/Android SDK集成到现有APP应用中,在设备端离线完成人脸采集,确保采集图片质量的同时,提供更加流畅的交互体验。也可以基于微信小程序,或者H5形式,完成业务快速落地。

适用采集人数

1人。

产品架构

手机+客户端SDK、微信小程序、H5等

产品形态

APP、H5、小程序等

核心性能需求

暂无要求。需要注意的是需要根据业务特点,做好系统版本或者浏览器版本的兼容工作。

平板

应用场景

对于考勤、签到、闸机等近场景人脸识别,需要用户配合式刷脸、且需要页面反馈的业务需求,可直接开发APP应用于Pad设备上,设备布设简单,应用开发难度低,可快速进行业务落地。

适用采集人数

1人。

产品架构

Pad+客户端SDK、H5等

产品形态

APP、H5等

核心性能需求

暂无要求。需要注意的是需要根据业务特点,做好系统版本或者浏览器版本的兼容工作。同时需要考虑设备的性能问题,例如闸机等场景,需要考虑Pad性能对于人脸采集效率的影响。

近距离人脸采集开发组件

应用场景

多用于近距离的人脸采集场景,如闸机、门禁、柜台身份核验、自助售卖机等。为配合用户交互反馈,可根据业务需要,外接一块显示屏幕设备。

适用采集人数

1人。

产品架构

USB摄像头+ARM开发板,为配合交互反馈,可外接一块显示屏幕设备。

产品形态

摄像头一体机

核心性能需求

  • 抓拍帧数:10~15FPS/每秒(达到20FPS更佳)
  • 图像尺寸:不低于640 (H)*480 (V),建议1280 (H)*720 (V) (720P)
  • 信噪比:>40dB( 建议数据60dB)
  • 动态范围:>70db(建议数据100dB)
  • 低照度:0.01Lux及以下,月光级
  • 快门:1秒至1/15,000秒秒(参考数据)
  • 支持POE供电

数据参考

我们对USB+ARM的技术方案,做了一些参数调整,所得实验数据如下,仅供参考:

应用建议(以自助柜机为例)

  • 摄像头尽量避免对着强光源,如室内大灯、阳光直射处等。
  • 布设高度一般用于单人操作的身份核验。

中远距离人脸采集开发组件

应用场景

多用于中远距离的人脸采集场景,一般光线练好、人流量较少,如无感知闸机、考勤签到、会员识别等,为配合用户交互反馈,可根据业务需要,外接一块显示屏幕设备。

适用采集人数

1~5人。

产品架构

网络摄像头+ARM开发板

产品形态

监控枪机/半球形摄像头一体机

核心性能需求

  • 抓拍帧数:10~20FPS/每秒
  • 图像尺寸:不低于1280 (H)*720 (V) (720P)
  • 信噪比:>60dB( 建议数据60dB)
  • 动态范围:>100dB(建议数据120dB)
  • 低照度:0.0001Lux及以下,星光级
  • 快门:1秒至1/100,000秒 (参考数据)
  • 支持POE供电

应用建议(以闸机为例)

  • 摄像头尽量避免对着强光源,如室内大灯、阳光直射处等。
  • 布设高度如果较低(如闸机机头),请保持一定仰角,为了避免与光源直对,可以水平面有一定旋转角。
  • 布设高度如果较高(如教室无感知考勤),请保持一定仰角,为了避免与光源直对,可以水平面有一定旋转角。
  • 此场景一般适用于单人识别(每次只识别一人),普遍为多人的场景,建议使用人脸抓拍一体机

示意图如下:

远距离人脸采集开发组件

应用场景

摄像头内集成离线人脸抓拍功能,可在一体机内完成人脸的检测、跟踪、捕获等操作,布设更简单,多用于远距离人脸采集及人流量较多的场景,如室内/外监控、零售客群分析、安防布控等大部分远场人脸识别场景。此方案采集的数据一般直接用于后端分析使用。

适用采集人数

1~50人.

产品架构

抓拍机内置人脸采集能力

产品形态

人脸抓拍一体机

核心性能需求

  • 抓拍帧数:20~30FPS/每秒
  • 图像尺寸:不低于1920 (H)*1080 (V) (1080P)
  • 信噪比:>60dB
  • 动态范围:>100db(建议数据120dB)
  • 低照度:0.0001Lux及以下,星光级
  • 快门:1秒至1/100,000秒 (参考数据)
  • 支持POE供电

应用建议(以零售VIP识别为例)

  • 为避免重复识别,摄像头有效采集区域,建议对准门口、楼梯扶手出入口处、电梯口等,这样可以尽可能采集到不重复的人脸,且确保人流量集中。
  • 架设角度尽可能保持与水平面的夹角较小,避免采集到的人脸多为侧面或者俯视角度。

获取帮助

如果在阅读文档后,对内容有任何疑问,可以通过以下几种方式联系我们:

  • 在百度云控制台内 提交工单 ,咨询问题类型请选择人工智能服务。
  • 如有问题讨论,可以进入 AI社区 随时提问,和其他开发者一同交流。
上一篇
活体检测
下一篇
人脸口罩检测与识别