产品亮点
基于单张图片,判断图片中的人脸是否为人体实时拍摄,此能力可用于H5场景下的一些人脸采集场景中,增加人脸注册的安全性和真实性
产品说明
1. 什么是活体检测?
判断捕捉到的人脸是真实人脸,还是伪造的人脸攻击(如:彩色纸张打印人脸图,电子设备屏幕中的人脸数字图像 以及 面具 等)
2. 为什么需要活体检测?
在金融支付,门禁等应用场景,活体检测一般是嵌套在人脸检测与人脸识别or验证中的模块,用来验证是否用户真实本人
3. 活体检测对应的计算机视觉问题:
就是分类问题,可看成二分类(真 or 假);也可看成多分类(真人,纸张攻击,屏幕攻击,面具攻击)
通常意义上的活体检测是当生物特征信息从合法用户那里取得时,判断该生物信息是否从具有生物活体的合法用户身上取的。活体检测的方法主要是通过识别活体上的生理信息来进行,它把生理信息作为生命特征来区分用照片、硅胶、塑料等非生命物质伪造的生物特征。
图片活体检测api(适用于H5、Web网页等场景下的人脸采集)确保人像采集的真实性、安全性。
人脸对比请点击右边链接:人脸对比
关于活体检测faceliveness的判断分数选择,可参考以下数值信息:
拒绝率(TRR) |
误拒率(FRR) |
通过率(TAR) |
分数(百分制) |
0.90325733 |
0.1% |
99.9% |
4.55761 |
0.96254072 |
0.5% |
99.5% |
80(推荐) |
0.97557003 |
1% |
99% |
88.43666 |
0.98990228 |
2% |
98% |
97.81794 |
0.99446254 |
3% |
97% |
99.13102 |
0.99641694 |
4% |
96% |
99.62024 |
0.99739414 |
5% |
95% |
99.80413 |
质量检测参考
指标 |
字段与解释 |
推荐数值界限 |
遮挡范围 |
occlusion,取值范围[0~1],0为无遮挡,1是完全遮挡
含有多个具体子字段,表示脸部多个部位
通常用作判断头发、墨镜、口罩等遮挡 |
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 |
模糊度范围 |
blur,取值范围[0~1],0是最清晰,1是最模糊 |
小于0.7 |
光照范围 |
illumination,取值范围[0~255]
脸部光照的灰度值,0表示光照不好
以及对应客户端SDK中,YUV的Y分量 |
大于40 |
姿态角度 |
Pitch:三维旋转之俯仰角度[-90(上), 90(下)]
Roll:平面内旋转角[-180(逆时针), 180(顺时针)]
Yaw:三维旋转之左右旋转角[-90(左), 90(右)] |
分别小于20度 |
人脸完整度 |
completeness(0或1),0为人脸溢出图像边界,1为人脸都在图像边界内 |
视业务逻辑判断 |
人脸大小 |
人脸部分的大小
建议长宽像素值范围:80*80~200*200 |
视频检测返回参数:
注:视频活体检测0.2元/次
字段 |
必选 |
类型 |
说明 |
score |
是 |
float |
活体检测分数。此分数为视频分析结果,
不包含语音验证结果,语音验证
需开发基于自己的业务需求做判断。 |
thresholds |
是 |
array |
阈值参考,实际业务应用中,
请以score>阈值判定通过,
可直接选择不同误识别率的阈值,
无需对应具体的分值,
选择阈值参数即可。
|

工具
在线图片转base64
在线json解析
售后支持范围
售后服务范围为产品使用方面的技术支持,售后支持时间范围为合同期范围内