動作活體檢測能力，構建安全可靠的支付級“刷臉”體驗

人臉識別目前已廣泛應用於手機解鎖、刷臉支付、閘機身份驗證等生活場景，然而，人臉識別能力雖帶來了極大的便利，卻無法鑒別人臉是否真實，比如使用高模擬圖片、精密石膏或3D建模面具，即可輕鬆攻破人臉識別演算法，單獨使用該能力存在極大的安全隱患。華為機器學習服務的動作活體檢測能力，通過採用指令動作配合的方式進 ...

人臉識別目前已廣泛應用於手機解鎖、刷臉支付、閘機身份驗證等生活場景，然而，人臉識別能力雖帶來了極大的便利，卻無法鑒別人臉是否真實，比如使用高模擬圖片、精密石膏或3D建模面具，即可輕鬆攻破人臉識別演算法，單獨使用該能力存在極大的安全隱患。

華為機器學習服務的動作活體檢測能力，通過採用指令動作配合的方式進行活體檢測，在眨眼、張嘴、左搖頭、右搖頭、註視、點頭六種動作中隨機選擇三種，讓用戶按指令完成動作，使用人臉關鍵點及人臉追蹤技術，通過連續的圖片，計算變化距離與不變距離的比值，進行上一幀圖像與下一幀圖像的對比，從而驗證用戶是否為真實活體本人操作，對照片、視頻和麵具的攻擊具有很好的防禦效果，是人臉識別能否有效應用的前提條件。

除此之外，在使用動作活體檢測能力過程中，針對遮擋和光線不佳等檢測場景，支持引導檢測，如及時展示“暗光提示”、“人像模糊”“墨鏡、口罩遮擋”、“人臉過近、過遠”等提示信息，實現更加友好的交互體驗，打造安全可靠的支付級活體檢測能力。

相較於無需用戶做出配合動作的靜默活體檢測，互動式的動作活體檢測能力更適用於銀行金融、醫療等需要人機交互的場景。比如，在金融領域使用該技術，用戶不必親去銀行場地，遠程即可進行金融開戶、保險理財等操作；線上下超市等自助支付場景中，用戶需通過動作活體檢測完成支付，保證個人資金安全性；在社保、醫保、個稅等辦理操作場景中，同樣需要通過動作活體檢測來精準驗證操作人是否為活體本人，以此提高操作安全性。

那麼如何集成動作活體檢測能力呢？步驟如下。

1 開發步驟

在進行開發之前，您需要完成必要的開發準備工作，同時請確保您的工程中已經配置HMS Core SDK的Maven倉地址，並且完成了本服務的SDK集成。

方式一：fullSDK方式集成

dependencies{
    // 引入動作活體檢測集合包。
    implementation 'com.huawei.hms:ml-computer-vision-interactive-livenessdetection
: 3.2.0.122'
}

方式二：基礎SDK方式集成

dependencies{
    // 引入活體檢測plugin包。
    implementation 'com.huawei.hms:ml-computer-vision-interactive-livenessdetection-plugin:3.2.0.122'
}

動作活體檢測提供兩種調用方式，您可以根據需求選擇相應的調用方式構建活體檢測服務。

1.1	預設掃描界面
1.創建活體檢測結果回調，用於獲取檢測結果。
private MLInteractiveLivenessCapture.Callback callback = new MLInteractiveLivenessCapture.Callback() {
    @Override
    public void onSuccess(MLInteractiveLivenessCaptureResult result) {
        // 檢測成功的處理邏輯，檢測結果可能是活體或者非活體。
        swich(result.getStateCode()) {
            case InteractiveLivenessStateCode.ALL_ACTION_CORRECT:
            //驗證通過後對應具體操作

            case InteractiveLivenessStateCode.IN_PROGRESS:
            //正在檢測時對應具體操作
            …
    }

    @Override
    public void onFailure(int errorCode) {
        // 檢測未完成，如相機異常CAMERA_ERROR,添加失敗的處理邏輯。
    }
};
2.創建活體檢測實例，啟動檢測。
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	自定義掃描界面
1.創建MLInteractiveLivenessDetectView，並載入到Activity佈局。
/**
* I.綁定相機預覽界面，設置活體識別區域。
*在相機預覽流中，活體檢測會對人臉在不在預覽視頻流的人臉框中進行判斷，為了提高活*體的通過率，建議人臉框放在屏幕中間，且活體識別區域比繪製的人臉框範圍略大。
* II.設置是否檢測口罩。
* III.設置結果回調。
* IV.將MLInteractiveLivenessDetectView載入到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)
                //設置是否檢測口罩
                .setOptions(MLInteractiveLivenessCaptureConfig.DETECT_MASK)
                //設置檢測動作，靜默為0，動作為1。
                .setType(1)
                //設置相機視頻流預覽位置（左上右下像素值基於預覽view）
                   .setFrameRect(new Rect(0, 0, 1080, 1440))
                //設置動作活體調用
                .setActionConfig(interactiveLivenessConfig)
                //設置人臉框相對於預覽view的位置（左上右下基於640*480圖像坐標，建議寬高比符合實際人臉比例），人臉框作用為檢測人臉遠近和是否偏移
                .setFaceRect(new Rect(84, 122, 396, 518))
                //設置檢測超時時間,建議10000毫秒左右。
                .setDetectionTimeOut(10000)
                //設置結果回調
                .setDetectCallback(new OnMLInteractiveLivenessDetectCallback() {
                    @Override
                    public void onCompleted(MLInteractiveLivenessCaptureResult result) {
                    // 活體檢測完成時的結果回調
                    swich(result.getStateCode()) {
                        case InteractiveLivenessStateCode.ALL_ACTION_CORRECT:
                        //驗證通過後對應具體操作

                        case InteractiveLivenessStateCode.IN_PROGRESS:
                        //正在檢測時對應具體操作
                        …
                        }
                    }

                    @Override
                    public void onError(int error) {
                    // 活體檢測發生錯誤時的錯誤碼回調
                    }
                }).build();

        mPreviewContainer.addView(mlInteractiveLivenessDetectView);
        mlInteractiveLivenessDetectView.onCreate(savedInstanceState);
}

2.對MLInteractiveLivenessDetectView設置生命流程監聽。
@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();
}

瞭解更多詳情>>

訪問機器學習服務官網

訪問華為開發者聯盟官網
獲取開髮指導文檔
華為移動服務開源倉庫地址：GitHub、Gitee

關註我們，第一時間瞭解 HMS Core 最新技術資訊~