多平台统一管理软件接口,如何实现多平台统一管理软件接口
363
2022-06-06
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
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 } }
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,谢谢大家对的支持。
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~