• 动作活体检测能力,构建安全可靠的支付级“刷脸”体验


    人脸识别目前已广泛应用于手机解锁、刷脸支付、闸机身份验证等生活场景,然而,人脸识别能力虽带来了极大的便利,却无法鉴别人脸是否真实,比如使用高仿真图片、精密石膏或3D建模面具,即可轻松攻破人脸识别算法,单独使用该能力存在极大的安全隐患。

    华为机器学习服务的动作活体检测能力,通过采用指令动作配合的方式进行活体检测,在眨眼、张嘴、左摇头、右摇头、注视、点头六种动作中随机选择三种,让用户按指令完成动作,使用人脸关键点及人脸追踪技术,通过连续的图片,计算变化距离与不变距离的比值,进行上一帧图像与下一帧图像的对比,从而验证用户是否为真实活体本人操作,对照片、视频和面具的攻击具有很好的防御效果,是人脸识别能否有效应用的前提条件。

    除此之外,在使用动作活体检测能力过程中,针对遮挡和光线不佳等检测场景,支持引导检测,如及时展示“暗光提示”、“人像模糊”“墨镜、口罩遮挡”、“人脸过近、过远”等提示信息,实现更加友好的交互体验,打造安全可靠的支付级活体检测能力。

    相较于无需用户做出配合动作的静默活体检测,交互式的动作活体检测能力更适用于银行金融、医疗等需要人机交互的场景。比如,在金融领域使用该技术,用户不必亲去银行场地,远程即可进行金融开户、保险理财等操作;在线下超市等自助支付场景中,用户需通过动作活体检测完成支付,保证个人资金安全性;在社保、医保、个税等办理操作场景中,同样需要通过动作活体检测来精准验证操作人是否为活体本人,以此提高操作安全性。

    那么如何集成动作活体检测能力呢?步骤如下。

    1 开发步骤

    在进行开发之前,您需要完成必要的开发准备工作,同时请确保您的工程中已经配置HMS Core SDK的Maven仓地址,并且完成了本服务的SDK集成。

    方式一:fullSDK方式集成

    dependencies{
        // 引入动作活体检测集合包。
        implementation 'com.huawei.hms:ml-computer-vision-interactive-livenessdetection
    : 3.2.0.122'
    }
    • 1
    • 2
    • 3
    • 4

    方式二:基础SDK方式集成

    dependencies{
        // 引入活体检测plugin包。
        implementation 'com.huawei.hms:ml-computer-vision-interactive-livenessdetection-plugin:3.2.0.122'
    }
    • 1
    • 2
    • 3

    动作活体检测提供两种调用方式,您可以根据需求选择相应的调用方式构建活体检测服务。

    1.1    默认扫描界面
    1.创建活体检测结果回调,用于获取检测结果。
    private MLInteractiveLivenessCapture.Callback callback = new MLInteractiveLivenessCapture.Callback() {
        @Override
        public void onSuccess(MLInteractiveLivenessCaptureResult result) {
            // 检测成功的处理逻辑,检测结果可能是活体或者非活体。
            swich(result.getStateCode()) {
                case InteractiveLivenessStateCode.ALL_ACTION_CORRECT:
                //验证通过后对应具体操作
    
                case InteractiveLivenessStateCode.IN_PROGRESS:
                //正在检测时对应具体操作
                …
        }
    
        @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。
        }
    };
    2.创建活体检测实例,启动检测。
    MLInteractiveLivenessConfig interactiveLivenessConfig = new MLInteractiveLivenessConfig.Builder().build();
    
            MLInteractiveLivenessCaptureConfig captureConfig = new MLInteractiveLivenessCaptureConfig.Builder()
                    .setOptions(MLInteractiveLivenessCaptureConfig.DETECT_MASK)
                    .setActionConfig(interactiveLivenessConfig)
                    .setDetectionTimeOut(TIME_OUT_THRESHOLD)
                    .build();
    MLInteractiveLivenessCapture capture = MLInteractiveLivenessCapture.getInstance();
    capture.startDetect(activity, callback);
    1.2    自定义扫描界面
    1.创建MLInteractiveLivenessDetectView,并加载到Activity布局。
    /**
    * I.绑定相机预览界面,设置活体识别区域。
    *在相机预览流中,活体检测会对人脸在不在预览视频流的人脸框中进行判断,为了提高活*体的通过率,建议人脸框放在屏幕中间,且活体识别区域比绘制的人脸框范围略大。
    * II.设置是否检测口罩。
    * III.设置结果回调。
    * IV.将MLInteractiveLivenessDetectView加载到Activity。
    */
    @Override
        protected void onCreate(Bundle savedInstanceState) {
            super.onCreate(savedInstanceState);
            setContentView(R.layout.activity_liveness_custom_detection);
            mPreviewContainer = findViewById(R.id.surface_layout);
            MLInteractiveLivenessConfig interactiveLivenessConfig = new MLInteractiveLivenessConfig.Builder().build();
    mlInteractiveLivenessDetectView = new MLInteractiveLivenessDetectView.Builder()
                    .setContext(this)
                    //设置是否检测口罩
                    .setOptions(MLInteractiveLivenessCaptureConfig.DETECT_MASK)
                    //设置检测动作,静默为0,动作为1。
                    .setType(1)
                    //设置相机视频流预览位置(左上右下像素值基于预览view)
                       .setFrameRect(new Rect(0, 0, 1080, 1440))
                    //设置动作活体调用
                    .setActionConfig(interactiveLivenessConfig)
                    //设置人脸框相对于预览view的位置(左上右下基于640*480图像坐标,建议宽高比符合实际人脸比例),人脸框作用为检测人脸远近和是否偏移
                    .setFaceRect(new Rect(84, 122, 396, 518))
                    //设置检测超时时间,建议10000毫秒左右。
                    .setDetectionTimeOut(10000)
                    //设置结果回调
                    .setDetectCallback(new OnMLInteractiveLivenessDetectCallback() {
                        @Override
                        public void onCompleted(MLInteractiveLivenessCaptureResult result) {
                        // 活体检测完成时的结果回调
                        swich(result.getStateCode()) {
                            case InteractiveLivenessStateCode.ALL_ACTION_CORRECT:
                            //验证通过后对应具体操作
    
                            case InteractiveLivenessStateCode.IN_PROGRESS:
                            //正在检测时对应具体操作
                            …
                            }
                        }
    
                        @Override
                        public void onError(int error) {
                        // 活体检测发生错误时的错误码回调
                        }
                    }).build();
    
            mPreviewContainer.addView(mlInteractiveLivenessDetectView);
            mlInteractiveLivenessDetectView.onCreate(savedInstanceState);
    }
    
    2.对MLInteractiveLivenessDetectView设置生命流程监听。
    @Override
    protected void onDestroy() {
        super.onDestroy();
        MLInteractiveLivenessDetectView.onDestroy();
    }
    
    @Override
    protected void onPause() {
        super.onPause();
        MLInteractiveLivenessDetectView.onPause();
    }
    
    @Override
    protected void onResume() {
        super.onResume();
        MLInteractiveLivenessDetectView.onResume();
    }
    
    @Override
    protected void onStart() {
        super.onStart();
        MLInteractiveLivenessDetectView.onStart();
    }
    
    @Override
    protected void onStop() {
        super.onStop();
        MLInteractiveLivenessDetectView.onStop();
    }
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107
    • 108
    • 109
    • 110
    • 111
    • 112
    • 113

    了解更多详情>>

    访问机器学习服务官网

    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~

  • 相关阅读:
    【数据结构与算法】概论
    unity基础3-数据持久化
    大道至简读后感
    Socket编程(C语言实现)——TCP协议(网络间通信AF_INET)的流式(SOCK_STREAM)+报式(SOCK_DGRAM)传输
    xray的使用
    【算法100天 | 19】链表拆分、深拷贝
    uniapp开发的微信小程序如何上传至微信小程序平台-完整简单步骤
    FPGA基础知识|芯片设计基础知识
    前端开发之浏览器垃圾回收机制
    Lc第307场周赛 6166. 最大回文数字(贪心/分类讨论)
  • 原文地址:https://blog.csdn.net/HUAWEI_HMSCore/article/details/125886791