静默活体检测
功能介绍
静默活体检测是基于人脸图片中可能存在的畸变、摩尔纹、反光、倒影、边框等信息,判断图片中的人脸是否来自于真人活体,进行实人检测,有效抵御纸质翻拍照、电子翻拍照以及视频翻拍等各种攻击方式。静默活体检测支持单张图片,也支持多人脸图片,当图片中有多个人脸时,会检测其中最大的人脸是否为活体。新老用户均可用该接口。
前提条件:
约束限制:
- 只支持识别JPG、PNG、JPEG、BMP格式的图片。
- application/json请求的body中,请使用标准Json格式。
- Base64编码中请勿使用回车换行。
- 系统不保存用户图片。
- 图片大小小于2MB,由于过大图片会导致时延较长,并且图片信息量不大,建议小于1MB。
- 图片分辨率小于4096*4096,图片中人脸像素大于40*40,建议120*120以上。
- 为保证识别效果,人脸图片建议要求如下:
- 光照大于200lux、无反光强光阴影现象。
- 人脸无遮挡、整体清晰无拖尾抖动等运动模糊。
- 侧脸不超过30°、俯仰角小于15°、偏转角小于15°、图片中人脸保持竖置正脸。
- 其他的约束限制信息请参见1.4 约束限制章节。
建议:
- 由于过大图片对识别算法精度无明显提升,同时会导致时延较长,建议传入图片小于1MB,一般500KB左右足够。
- OBS上存储的图片也建议小于1MB。
- 图片中人脸像素建议120*120以上。
调试
您可以在API Explorer中调试该接口,支持自动认证鉴权。API Explorer可以自动生成SDK代码示例,并提供SDK代码示例调试功能。
URI
POST /v1/{project_id}/live-detect-face
参数 |
是否必选 |
参数类型 |
描述 |
---|---|---|---|
project_id |
是 |
String |
项目ID,获取方法请参见获取项目ID/账号名/AK/SK。 |
请求参数
参数 |
是否必选 |
参数类型 |
描述 |
---|---|---|---|
X-Auth-Token |
是 |
String |
用户Token。 用于获取操作API的权限。获取方法请参见认证鉴权。 |
Content-Type |
是 |
String |
发送的实体的MIME类型,参数值为“application/json”。 |
Enterprise-Project-Id |
否 |
String |
企业项目ID。FRS支持通过企业项目管理(EPS)对不同用户组和用户的资源使用,进行分账,当前仅支持按需计费模式。 获取方法:进入“企业项目管理”页面,单击企业项目名称,在企业项目详情页获取Enterprise-Project-Id(企业项目ID)。
说明:
创建企业项目后,在传参时,有以下三类场景。
|
参数名 |
是否必选 |
参数类型 |
说明 |
---|---|---|---|
image_url |
与image_file、image_base64三选一 |
String |
图片的URL路径,目前仅支持华为云上OBS的URL,使用时只需保证FRS有权限读取该OBS桶的数据。开通读取权限的操作请参见申请服务。 |
image_file |
与image_url、image_base64三选一 |
File |
本地图片文件,要求:
|
image_base64 |
与image_file、image_url三选一 |
String |
图像数据,Base64编码,要求:
|
响应参数
状态码:200
参数 |
参数类型 |
描述 |
---|---|---|
result |
result object |
静默活体检测结果,LivelessDetectResult结构见表结构格式说明表。 调用失败时无此字段。 |
warning-list |
Array of WarningList objects |
警告信息列表。 调用失败时无此字段。 |
参数 |
参数类型 |
描述 |
---|---|---|
alive |
Boolean |
是否是活体。 |
confidence |
Double |
置信度,取值范围0~1。 当confidence>0.5时,alive=true,否则alive=false。 |
picture |
String |
检测出最大人脸的图片base64字符串。 |
状态码: 400
参数 |
参数类型 |
描述 |
---|---|---|
error_code |
String |
调用失败时的错误码,具体请参考错误码。 调用成功时无此字段。 |
error_msg |
String |
调用失败时的错误信息。 调用成功时无此字段。 |
请求示例
X-Auth-Token值获取方法请参见快速入门。
- 通过传入图片的BASE64编码,判断图片中的人脸是否来自于真人活体
POST https://{endpoint}/v1/{project_id}/live-detect-face Request Header: Content-Type: application/json X-Auth-Token: MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDT... Request Body: { "image_base64": "/9j/4AAQSkZJRgABAgEASABIAAD" }
- 通过传入图片文件,判断图片中的人脸是否来自于真人活体
POST https://{endpoint}/v1/{project_id}/live-detect-face Request Header: X-Auth-Token: MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDT... Request Body: image_file: File(图片文件)
- 通过传入图片URL,判断图片中的人脸是否来自于真人活体
POST https://{endpoint}/v1/{project_id}/live-detect-face Request Header: Content-Type: application/json X-Auth-Token: MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDT... Request Body: { "image_url": "https://<bucket-name>.<endpoint>/<object-name>" }
- 使用Python3语言读取本地图片,判断图片中的人脸是否来自于真人活体
# -*- coding:utf-8 -*- import requests import base64 endpoint = '开通服务所在region的人脸识别服务域名' project_id = '开通服务所在region的用户项目ID' token = "用户获取得到的实际token值" headers = {'Content-Type': 'application/json', 'X-Auth-Token': token} url = "https://{endpoint}/v1/{project_id}/live-detect-face".format(endpoint=endpoint, project_id=project_id) image_file_path = r'./data/face-demo.png' with open(image_file_path, "rb") as bin_data: image_data = bin_data.read() image_base64 = base64.b64encode(image_data).decode("utf-8") body = {"image_base64": image_base64} response = requests.post(url, headers=headers, json=body, verify=False) print(response.text)
- 使用Java语言读取图片base64编码,判断图片中的人脸是否来自于真人活体
import com.huawei.trace.http.apache.httpclient.TraceApacheHttpClientBuilder; import org.apache.http.HttpEntity; import org.apache.http.HttpHeaders; import org.apache.http.HttpResponse; import org.apache.http.client.config.RequestConfig; import org.apache.http.client.methods.HttpPost; import org.apache.http.config.Registry; import org.apache.http.config.RegistryBuilder; import org.apache.http.conn.socket.ConnectionSocketFactory; import org.apache.http.conn.socket.PlainConnectionSocketFactory; import org.apache.http.conn.ssl.NoopHostnameVerifier; import org.apache.http.conn.ssl.SSLConnectionSocketFactory; import org.apache.http.entity.ContentType; import org.apache.http.entity.StringEntity; import org.apache.http.impl.client.CloseableHttpClient; import org.apache.http.impl.client.HttpClientBuilder; import org.apache.http.impl.conn.PoolingHttpClientConnectionManager; import org.apache.http.ssl.SSLContextBuilder; import org.apache.http.ssl.TrustStrategy; import org.apache.http.util.EntityUtils; import java.io.IOException; import java.nio.charset.StandardCharsets; import java.security.KeyManagementException; import java.security.KeyStoreException; import java.security.NoSuchAlgorithmException; import java.security.cert.CertificateException; import java.security.cert.X509Certificate; import java.util.concurrent.TimeUnit; import javax.net.ssl.HostnameVerifier; import javax.net.ssl.SSLContext; /** * 此demo仅供测试使用,强烈建议使用SDK * 使用前需已配置HttpClient jar包。jar包可通过下载SDK获取 */ public class LiveDetectFace { protected static HttpClientBuilder buildClient(HttpClientBuilder httpClientBuilder) { SSLContext sslContext = null; try { sslContext = new SSLContextBuilder().loadTrustMaterial(null, new TrustStrategy() { public boolean isTrusted(X509Certificate[] arg0, String arg1) throws CertificateException { return true; } }).build(); } catch (NoSuchAlgorithmException e) { throw new RuntimeException(e.getMessage()); } catch (KeyManagementException e) { throw new RuntimeException(e.getMessage()); } catch (KeyStoreException e) { throw new RuntimeException(e.getMessage()); } httpClientBuilder.setSSLContext(sslContext); httpClientBuilder.setConnectionTimeToLive(30, TimeUnit.SECONDS); HostnameVerifier hostnameVerifier = NoopHostnameVerifier.INSTANCE; SSLConnectionSocketFactory sslSocketFactory = new SSLConnectionSocketFactory(sslContext, hostnameVerifier); Registry<ConnectionSocketFactory> socketFactoryRegistry = RegistryBuilder.<ConnectionSocketFactory>create().register("http", PlainConnectionSocketFactory.getSocketFactory()).register("https", sslSocketFactory).build(); PoolingHttpClientConnectionManager connMgr = new PoolingHttpClientConnectionManager(socketFactoryRegistry); connMgr.setMaxTotal(200); connMgr.setDefaultMaxPerRoute(100); httpClientBuilder.setConnectionManager(connMgr); return httpClientBuilder; } public static String doPost(String url, String jsonStr, String token, CloseableHttpClient client) { HttpPost post = new HttpPost(url); StringEntity entity = new StringEntity(jsonStr, ContentType.APPLICATION_JSON); post.setEntity(entity); post.setHeader(HttpHeaders.CONTENT_TYPE, "application/json"); //time unit is milliseconds RequestConfig requestConfig = RequestConfig.custom().setConnectTimeout(3000).setSocketTimeout(3000).build(); post.setConfig(requestConfig); post.setHeader("X-Auth-Token", token); HttpResponse response = null; String result = ""; try { response = client.execute(post); HttpEntity responseBody = response.getEntity(); if (responseBody == null) { System.out.println("the response body is null."); return result; } else { byte[] byteStream = EntityUtils.toByteArray(responseBody); System.arraycopy(byteStream, 0, new byte[byteStream.length], 0, byteStream.length); result = new String(byteStream, StandardCharsets.UTF_8); } } catch (IOException e) { e.printStackTrace(); } return result; } public static void main(String[] args) { CloseableHttpClient client = buildClient(TraceApacheHttpClientBuilder.create()).build(); // endpoint和project_id需要替换成实际信息。 String url = "https://{{endpoint}}/v1/{{project_id}}/live-detect-face"; String jsonStr = "{ \"image_base64\": \"/9j/4AAQSkZJRgABAgEASABIAAD...\" }"; String token = "对应region的token"; String result = doPost(url, jsonStr, token, client); System.out.println(result); } }
响应示例
状态码:200
{ "result":{ "alive": true, "confidence": 0.823, "picture": "/9j/4AAQSkZJRgABAQEAYABgAAD/2w..." }, "warning-list": [] }
状态码:400
{ "error_code": "FRS.0707", "error_msg": "Detect no face, check out your picture." }
状态码
状态码请参见状态码。
错误码
错误码请参见错误码。