在线活体检测

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

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

 

5*8服务支持，7*24故障处理