C#调用百度API实现活体检测的方法

前言

活体检测有多种情形，本文所指：从摄像头获取的影像中判断是活体，还是使用了相片等静态图片。

场景描述

用户个人信息中上传了近照，当用户经过摄像头时进行身份识别。

此时，如果单纯的使用摄像头获取的影像进行人脸相似度比对，则举一张合适的相片对准摄像头也是可以通过的。于是检测摄像头前影像是否为活体的需求就产生了。

解决方案

使用百度ai开放平台，它免费开放一定并发量的该场景活体检测 api：

第一步，申请百度应用

点击“立即使用”，登录后“创建应用”，可以得到 api key 与 secret key 等信息。

第二步，使用 api 进行活体检测

这里的场景比较简单，摄像头获取的影像可以保存为图片，则功能接口可以这样定义：给定图片（这里使用url），判断其活体影像的概率。根据百度建议，概率设置为 99.5%，即达到此值或以上认为活体检测通过。

（1）获取 accesstoken

accesstoken 有效期为 30 天，因此，可以缓存起来使用。此为示例，时长又足够长，所以未加刷新机制。代码如下，其中，clientid 为百度应用中的 api key，clientsecret 为百度应用中的 secret key。

public static class accesstoken
{
  // 有效期30天，缓存获取的 access token
  public static string token = null;

  // 百度云中开通对应服务应用的 api key
  private static string clientid = "api key";
  // 百度云中开通对应服务应用的 secret key
  private static string clientsecret = "secret key";

  public static string getaccesstoken()
  {
    if (string.isnullorempty(token))
    {
      string authhost = "https://aip.baidubce.com/oauth/2.0/token";
      httpclient client = new httpclient();
      list<keyvaluepair<string, string>> paralist = new list<keyvaluepair<string, string>>();
      paralist.add(new keyvaluepair<string, string>("grant_type", "client_credentials"));
      paralist.add(new keyvaluepair<string, string>("client_id", clientid));
      paralist.add(new keyvaluepair<string, string>("client_secret", clientsecret));

      httpresponsemessage response = client.postasync(authhost, new formurlencodedcontent(paralist)).result;
      string result = response.content.readasstringasync().result;
      jobject jr = jobject.parse(result);

      token = jr.value<string>("access_token");
    }
    return token;
  } 
}

（2）调用 api 取得活体概率

api 的返回结果为 json，其中包括了活体概率，这里，方法直接返回 api 的 json 结果。

public class facelivenesshelper
{
  // 在线活体检测
  public static string faceverify(string imgurl)
  {
    string token = accesstoken.getaccesstoken();
    string host = "https://aip.baidubce.com/rest/2.0/face/v3/faceverify?access_token=" + token;
    encoding encoding = encoding.default;
    httpwebrequest request = (httpwebrequest)webrequest.create(host);
    request.method = "post";
    request.keepalive = true;
    // string str = "[{\"image\":\"sfasq35sadvsvqwr5q...\",\"image_type\":\"base64\",\"face_field\":\"age,beauty,expression\"}]";
    string str = "[{\"image\":\"" + imgurl + "\",\"image_type\":\"url\",\"face_field\":\"age,beauty,expression\"}]";
    byte[] buffer = encoding.getbytes(str);
    request.contentlength = buffer.length;
    request.getrequeststream().write(buffer, 0, buffer.length);
    httpwebresponse response = (httpwebresponse)request.getresponse();
    streamreader reader = new streamreader(response.getresponsestream(), encoding.default);
    string result = reader.readtoend();
    console.writeline("在线活体检测:");
    console.writeline(result);
    return result;
  }
}

详细 api 文档见此：https://ai.baidu.com/docs#/face-liveness-v3/top

结果中：face_liveness 即表示“活体分数值”。

（3）应用

api 的调用结果中，error_code 为 0 时表示执行成功，此时，会有 result 属性表示计算的相关值，从中取出 face_liveness 即可，其值为 0 ~ 1之间。

string imgurl = "------";
string result = facelivenesshelper.faceverify(imgurl);
jobject jresult = jobject.parse(result);
jobject lvresult = jresult.value<jobject>("result");
// error_code 为 0 时表示执行成功，其它表示失败
if (jresult.value<int>("error_code") == 0)
{
  double face_liveness = lvresult.value<double>("face_liveness");
  // 活体率达到要求
  if (face_liveness >= 0.995)
  {
    // 通过检测
  }
}

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对的支持。