溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關如何解析利用人臉識別SDK實現人證比對全過程，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。
人證比對在如今的社會中隨處可見，如高鐵、飛機、酒店入住、甚至景區入口都可以看到各種各樣的人證應用，人臉識別SDK的也如雨后春筍一般層出不窮，如百度、商湯、Face++、虹軟等。在嘗試使用各家的SDK之后，最讓我青睞的要數虹軟科技的SDK了，最直接的一個原因就是虹軟承諾永久免費。我從2.0版本開始就在使用了，實測效果確實不錯，就在上個月收到消息ArcFace3.0更新了，作為一個白嫖黨自然不會錯過這次的更新，在上手了3.0 之后，發現ArcFace 3.0有以下新特性。
特征比對支持比對模型選擇，有生活照比對模型和人證比對模型
Android平臺新增64位的SDK
新增了一種圖像數據傳入方式
1.業務自由度變高
??以人證 2.0為例，我們只能傳入數據、傳出結果，而一些中間產物，例如人臉特數據征就獲取不到了。現在采用ArcFace 3.0之后，取消了固定的流程，檢測、比對、提取等流程都可以由自己控制。
2.可以在同一個工程內實現生活照比對與人證比對
??人證 SDK與ArcFace SDK 存在沖突，無法同時使用，若我們既想用人證又想用生活照，就要寫兩個工程，并且兩個工程的流程還有些不同。而現在只需要接口內選擇模型就可以實現模型的切換，完全可以在一個工程內實現人證與生活照程序的集成。
3.代碼復用性
??ArcFace 3.0中人證與身份證區別只有compare接口中的模型選擇，其他完全一致，因此大部分的代碼都可以復用，大大提高了開發的效率。
1.接口變動
??萬事有得必有失，由于ArcFace 3.0沒有關于人證部分的封裝，致使在升級過程中所有的接口都需要變更，相信也是所有程序員都不愿意看到的問題。
2.實現變困難
??同樣由于ArcFace 3.0沒有關于人證部分的封裝，使得原本接口中自帶的一些流程與回調需要自己來實現，這對于剛上手的人來說，不是十分友好。
??雖然上面說了一些ArcFace 3.0的缺點，但是我本人還是很贊成這次的升級，畢竟每個產品的革新總會帶來一些沖擊，但是相對于這些沖擊來說，我相信接口、識別流程的統一為程序的適用性與業務的自由性都提高了，相信對于人證2.0來說這次“壯士斷腕”的舉措長遠來看是值得的。
??在上面我們看到了由于接口的變動，致使人證2.0程序所有的接口都要修改，接下來我將以 人證2.0 Demo為例,講解一下我是如何使用ArcFace 3.0 SDK進行升級的。
??考慮到可能有些用戶對人證 2.0 Demo不太熟悉，先簡單介紹一下官方Demo如何配置使用。
??首先，先將人證引擎如圖所示放入demo內，接下來修改Constants內的APP_ID與SDK_KEY,APP_ID與SDK_KEY以及人證引擎均由官網的
開放平臺上進行獲取。然后在設備的SDCard根目錄下放置一張命名為“sample.jpg”的圖片做為模擬人證輸入的圖片(圖片路徑可以在MainActivity下的SAMPLE_FACE變量內進行修改)，下圖為配置完畢后運行的截圖。
??首先我們要先獲取ArcFace3.0的SDK，同樣可以在 開放平臺上進行獲取。用新的SDK庫替換掉原本的SDK，替換后的項目目錄如下圖所示
??上面提到了，由于3.0的全面變更，所有的接口全部都發生了改變，因此我們要把原本2.0的接口全部替換為3.0。
??激活方面接口參數沒有任何變化
人證 2.0 :
IdCardVerifyManager.getInstance().active(Context context, String appId, String sdkKey);
ArcFace 3.0 :
FaceEngine.active(Context context, String appId, String sdkKey);
??從初始化開始，人證 2.0與ArcFace3.0接口有了較大的區別，人證 2.0有對Id Card信息與Camera信息監聽，而3.0取消了這個監聽機制，接口內的參數就不一一介紹了， 官方文檔介紹的非常詳細，大家可以去參考一下官方文檔。
人證 2.0 :
IdCardVerifyManager.getInstance().init(Context context, IdCardVerifyListener listener)
ArcFace 3.0 :
FaceEngine.init(Context context, DetectMode detectMode, DetectFaceOrientPriority detectFaceOrientPriority, int detectFaceScaleVal, int detectFaceMaxNum, int combinedMask)
??下面是我對2.0進行替換后的前后代碼，可以給大家做一個參考：
人證 2.0 :
private void initEngine() {
int result = IdCardVerifyManager.getInstance().init(this, idCardVerifyListener);
LogUtils.dTag(TAG, "initResult: " + result);
if (result == IdCardVerifyError.MERR_ASF_NOT_ACTIVATED) {
Executors.newSingleThreadExecutor().execute(new Runnable() {
@Override
public void run() {
int activeResult = IdCardVerifyManager.getInstance().active(
MainActivity.this, APP_ID, SDK_KEY);
runOnUiThread(new Runnable() {
@Override
public void run() {
LogUtils.dTag(TAG, "activeResult: " + activeResult);
if (activeResult == IdCardVerifyError.OK) {
int initResult = IdCardVerifyManager.getInstance().init(
MainActivity.this, idCardVerifyListener);
LogUtils.dTag(TAG, "initResult: " + initResult);
if (initResult != IdCardVerifyError.OK) {
toast("人證引擎初始化失敗，錯誤碼: " + initResult);
}
} else {
toast("人證引擎激活失敗，錯誤碼: " + activeResult);
}
}
});
}
});
} else if (result != IdCardVerifyError.OK) {
toast("人證引擎初始化失敗，錯誤碼: " + result);
}
}ArcFace 3.0 :
private void initEngine() {
int result = faceEngine.init(this, DetectMode.ASF_DETECT_MODE_VIDEO, DetectFaceOrientPriority.ASF_OP_ALL_OUT, 16, 1,
FaceEngine.ASF_FACE_DETECT | FaceEngine.ASF_FACE_RECOGNITION);
LogUtils.dTag(TAG, "initResult: " + result);
if (result == ErrorInfo.MERR_ASF_NOT_ACTIVATED) {
Executors.newSingleThreadExecutor().execute(() -> {
int activeResult = FaceEngine.active(
MainActivity.this, Constants.APP_ID, Constants.SDK_KEY);
runOnUiThread(() -> {
LogUtils.dTag(TAG, "activeResult: " + activeResult);
if (activeResult == ErrorInfo.MOK) {
int initResult = faceEngine.init(this, DetectMode.ASF_DETECT_MODE_VIDEO, DetectFaceOrientPriority.ASF_OP_ALL_OUT, 16, 1,
FaceEngine.ASF_FACE_DETECT | FaceEngine.ASF_FACE_RECOGNITION);
LogUtils.dTag(TAG, "initResult: " + initResult);
if (initResult != ErrorInfo.MOK) {
toast("人證引擎初始化失敗，錯誤碼: ", initResult));
}
} else {
toast("人證引擎激活失敗，錯誤碼: ", activeResult));
}
});
});
} else if (result != ErrorInfo.MOK) {
toast("人證引擎初始化失敗，錯誤碼: " , result));
}
}??證件照部分我們需要將原本2.0的引擎自帶的圖像處理方法換成3.0包內的ArcSoftImageUtil的方法，同時由于特征提取成功后的回調監聽從引擎內刪除掉了，所以這個回調需要自己來寫，這里我偷了一下懶，抄了一下人證 2.0 demo與3.0 demo中均有的faceHelper中的FaceListener作為監聽回調，當然大家也可以自己實現回調。
人證 2.0 ：
private void inputIdCard() {
if (bmp == null) {
return;
}
int width = bmp.getWidth();
int height = bmp.getHeight();
//圖像裁剪
boolean needAdjust = false;
while (width % 4 != 0) {
width--;
needAdjust = true;
}
if (height % 2 != 0) {
height--;
needAdjust = true;
}
if (needAdjust) {
bmp = ImageUtils.imageCrop(bmp, new Rect(0, 0, width, height));
}
//轉換為NV21數據格式
byte[] nv21Data = ImageUtils.getNV21(width, height, bmp);
//身份證圖像數據輸入
DetectFaceResult result = IdCardVerifyManager.getInstance().inputIdCardData(
nv21Data, width, height);
LogUtils.dTag(TAG, "inputIdCardData result: " + result.getErrCode());
}ArcFace 3.0 ：
private void inputIdCard() {
if (bmp == null) {
return;
}
//圖像4字節對齊 裁剪
bmp = ArcSoftImageUtil.getAlignedBitmap(bmp, true);
int width = bmp.getWidth();
int height = bmp.getHeight();
//轉換為bgr格式
byte[] bgrData = ArcSoftImageUtil.createImageData(bmp.getWidth(), bmp.getHeight(), ArcSoftImageFormat.BGR24);
int translateResult = ArcSoftImageUtil.bitmapToImageData(bmp, bgrData, ArcSoftImageFormat.BGR24);
//轉換成功
if (translateResult == ArcSoftImageUtilError.CODE_SUCCESS) {
List<FaceInfo> faceInfoList = new ArrayList<>();
//video模式不適合靜態圖片檢測，這里新建了一個idFaceEngine 除了檢測模式修改為Image其他參數與faceEngine一樣
int detectResult = idFaceEngine.detectFaces(bgrData, width, height, FaceEngine.CP_PAF_BGR24, faceInfoList);
if (detectResult == ErrorInfo.MOK && faceInfoList.size() > 0) {
//這里的-2為trackID 因為Camera與證件照提取共用faceHelper 用trackID區分是哪邊來的數據
faceHelper.requestFaceFeature(bgrData, faceInfoList.get(0), width, height, FaceEngine.CP_PAF_BGR24, -2);
}
} else {
LogUtils.dTag(TAG, "translate Error result: " + translateResult);
}
}??人證2.0的onPreviewData接口內部其實是存在一個特征提取保護，即上一個特征提取未完成前，不能進行下一個特征提取，但是在3.0沒有外部的封裝了，所以我們要自己來進行特征提取的控制，基礎的策略就是根據trackId，每一個trackId若未進行提取或提取失敗才會進行特征提取。
人證 2.0 ：
public void onPreview(byte[] nv21, Camera camera) {
if (faceRectView != null) {
faceRectView.clearFaceInfo();
}
if (nv21 == null) {
return;
}
//預覽數據傳入
DetectFaceResult result = IdCardVerifyManager.getInstance().onPreviewData(nv21,
previewSize.width, previewSize.height, true);
Rect rect = result.getFaceRect();
if (faceRectView != null && drawHelper != null && rect != null) {
//生成實時人臉框
drawHelper.draw(faceRectView, new DrawInfo(drawHelper.adjustRect(rect), "", Color.YELLOW));
}
}ArcFace 3.0 ：
public void onPreview(byte[] nv21, Camera camera) {
if (faceRectView != null) {
faceRectView.clearFaceInfo();
}
if (nv21 == null) {
return;
}
List<FaceInfo> faceInfoList = new ArrayList<>();
int ftResult = faceEngine.detectFaces(nv21, previewSize.width, previewSize.height, FaceEngine.CP_PAF_NV21, faceInfoList);
//人證比對場景下只有最大人臉有效，因此直接取第一個人臉即可，若有其他場景可以自行調整
if (ftResult == ErrorInfo.MOK && faceInfoList.size() > 0) {
Rect rect = faceInfoList.get(0).getRect();
if (faceRectView != null && drawHelper != null && rect != null) {
drawHelper.draw(faceRectView, new DrawInfo(drawHelper.adjustRect(rect), "", Color.YELLOW));
}
//等待身份證數據準備完畢后，才開始對Camera的數據進行特征提取 并根據trackId防止重復提取
int trackId = faceInfoList.get(0).getFaceId();
if (isIdCardReady && requestFeatureStatusMap != null && requestFeatureStatusMap.containsKey(trackId)) {
//若一個人臉提取失敗則進行重試
if (requestFeatureStatusMap.get(trackId) == null || requestFeatureStatusMap.get(trackId) == RequestFeatureStatus.FAILED) {
requestFeatureStatusMap.put(trackId, RequestFeatureStatus.SEARCHING);
faceHelper.requestFaceFeature(nv21, faceInfoList.get(0), previewSize.width, previewSize.height, FaceEngine.CP_PAF_NV21, faceInfoList.get(0).getFaceId());
}
}
}
}??上文我們已經提到過，人證 2.0的引擎內對camera數據idCard數據分別有兩個接口作為區分，同時有兩個回調函數分別用于兩個數據的處理。而ArcFace3.0時不僅取消了回調，而且camera數據idCard數據共用一個detect、extractFaceFeature，所以我們可以采用trackId來作為區分,并且因為引擎的變化，引擎內不再存儲特征值，導致我們需要記錄兩個數據源處獲得的特征值。
人證 2.0 ：
private IdCardVerifyListener idCardVerifyListener = new IdCardVerifyListener() {
@Override
public void onPreviewResult(DetectFaceResult detectFaceResult, byte[] bytes, int i, int i1) {
runOnUiThread(() -> {
//預覽人臉特征提取成功
if (detectFaceResult.getErrCode() == IdCardVerifyError.OK) {
isCurrentReady = true;
compare();
}
});
}
@Override
public void onIdCardResult(DetectFaceResult detectFaceResult, byte[] bytes, int i, int i1) {
LogUtils.dTag(TAG, "onIdCardResult: " + detectFaceResult.getErrCode());
runOnUiThread(() -> {
//身份證人臉特征提取成功
if (detectFaceResult.getErrCode() == IdCardVerifyError.OK) {
isIdCardReady = true;
restartHandler.removeCallbacks(restartRunnable);
readHandler.postDelayed(readRunnable, READ_DELAY);
ByteArrayOutputStream baos = new ByteArrayOutputStream();
bmp.compress(Bitmap.CompressFormat.PNG, 80, baos);
byte[] bmpBytes = baos.toByteArray();
Glide.with(MainActivity.this).load(bmpBytes).into(ivIdCard);
compare();
}
});
}
};ArcFace 3.0 ：
FaceListener faceListener = new FaceListener() {
@Override
public void onFail(Exception e) {
}
@Override
public void onFaceFeatureInfoGet(@Nullable FaceFeature faceFeature, Integer requestId, Integer errorCode, long frTime, byte[] nv21) {
//特征提取失敗 將比對狀態置為失敗
if (ErrorInfo.MOK != errorCode) {
requestFeatureStatusMap.put(requestId, RequestFeatureStatus.FAILED);
return;
}
//requestId 為-2則為身份證數據
if (requestId == -2) {
isIdCardReady = true;
//由于接口變更feature不能在引擎內存儲 所以用全局變量進行存儲
idFaceFeature = faceFeature;
restartHandler.removeCallbacks(restartRunnable);
readHandler.postDelayed(readRunnable, 5000);
ByteArrayOutputStream baos = new ByteArrayOutputStream();
bmp.compress(Bitmap.CompressFormat.PNG, 100, baos);
runOnUiThread(() -> {
Glide.with(MainActivity.this).load(bmp).into(ivIdCard);
compare();
});
} else {
//由于接口變更feature不能在引擎內存儲 所以用全局變量進行存儲
MainActivity.this.faceFeature = faceFeature;
isCurrentReady = true;
runOnUiThread(() -> {
compare();
});
}
}
};??比對接口相對于之前的來說改動就小很多了，只需要注意一下將比對模式修改為ID_CARD模式即可。
人證 2.0 ：
private void compare() {
//.......
//人證特征比對接口
CompareResult compareResult = IdCardVerifyManager.getInstance().compareFeature(THRESHOLD);
LogUtils.dTag(TAG, "compareResult: result " + compareResult.getResult() + ", isSuccess "
+ compareResult.isSuccess() + ", errCode " + compareResult.getErrCode());
if (compareResult.isSuccess()) {
playSound(R.raw.compare_success);
ivCompareResult.setBackgroundResource(R.mipmap.compare_success);
tvCompareTip.setText(name);
} else {
playSound(R.raw.compare_fail);
ivCompareResult.setBackgroundResource(R.mipmap.compare_fail);
tvCompareTip.setText(R.string.tip_retry);
}
//.......
}ArcFace 3.0 ：
private void compare() {
//.......
//人證特征比對接口
FaceSimilar compareResult = new FaceSimilar();
faceEngine.compareFaceFeature(idFaceFeature, faceFeature, CompareModel.ID_CARD, compareResult);
//人證比對閾值為0.82
if (compareResult.getScore() > 0.82) {
playSound(R.raw.compare_success);
ivCompareResult.setBackgroundResource(R.mipmap.compare_success);
tvCompareTip.setText(name);
} else {
playSound(R.raw.compare_fail);
ivCompareResult.setBackgroundResource(R.mipmap.compare_fail);
tvCompareTip.setText(R.string.tip_retry);
}
//.......
}??至此只要將人證 2.0 demo無用的代碼刪除掉，我們就將2.0成功升級為3.0了，讓我們看看部隊成功后的運行截圖。
??相比較于將人證 2.0升級為將ArcFace3.0來說，直接在將ArcFace3.0版本上進行修改可簡單太多了，畢竟不用將所有的接口全部都更改一遍，我們需要做的就只是增加人證部分的輸入，人證部分的回調以及比對的邏輯。因此在這里我強烈推薦直接上手ArcFace3.0，如果不是有特殊原因修改3.0可比人證2.0快太多了。
??首先我們要選擇demo中的一個Activity做為我們修改的模板，我看了一下RegisterAndRecognizeActivity是我認為最為合適的了，因為它的Camera的比對流程已經全部完成了，我們需要做的就是兩點：
增加Id Card數據輸入源
Id Card數據輸入源我們采用與人證demo相同的方式模擬證件信息傳入，因此可以完全套用inputIdCard方法。
public void onClickIdCard(View view) {
//模擬身份證姓名，可修改
FileInputStream fis;
//身份證圖像數據
bmp = null;
try {
//模擬身份證圖像數據來源，可修改
fis = new FileInputStream(SAMPLE_FACE);
bmp = BitmapFactory.decodeStream(fis);
fis.close();
} catch (Exception e) {
e.printStackTrace();
}
inputIdCard();
}
private void inputIdCard() {
if (bmp == null) {
return;
}
//圖像4字節對齊 裁剪
bmp = ArcSoftImageUtil.getAlignedBitmap(bmp, true);
int width = bmp.getWidth();
int height = bmp.getHeight();
//轉換為bgr格式
byte[] bgrData = ArcSoftImageUtil.createImageData(bmp.getWidth(), bmp.getHeight(), ArcSoftImageFormat.BGR24);
int translateResult = ArcSoftImageUtil.bitmapToImageData(bmp, bgrData, ArcSoftImageFormat.BGR24);
//轉換成功
if (translateResult == ArcSoftImageUtilError.CODE_SUCCESS) {
List<FaceInfo> faceInfoList = new ArrayList<>();
//video模式不適合靜態圖片檢測，我們選擇frEngine 作為檢測證件照的引擎 初始化時要增加 FaceEngine.ASF_FACE_DETECT 哦
int detectResult = frEngine.detectFaces(bgrData, width, height, FaceEngine.CP_PAF_BGR24, faceInfoList);
if (detectResult == ErrorInfo.MOK && faceInfoList.size() > 0) {
//這里的-2為trackID 因為Camera與證件照提取共用faceHelper 用trackID區分是哪邊來的數據
faceHelper.requestFaceFeature(bgrData, faceInfoList.get(0), width, height, FaceEngine.CP_PAF_BGR24, -2);
}
} else {
LogUtils.dTag(TAG, "translate Error result: " + translateResult);
}
}修改比對的底庫
??由于絕大部分場景下，人證比對都是1：1進行對比的，因而要在onFaceFeatureInfoGet回調內進行調整。首先通過我們在上面inputIdCard鋪墊的以-2為trackID，作為標識身份證數據的手段。其次我們要記錄一下要對比的身份證feature與camera下的人臉feature信息，這里我們采用全局變量的方式進行記錄。最后由于比對的feature獲取會有前后順序區分，我們用一個狀態位進行記錄(當然也可以判斷兩個feature是否有數據，對此數據進行維護來進行兩邊數據的同步)，等待兩邊的數據都準備完畢后，就可以進行比對了。
public void onFaceFeatureInfoGet(@Nullable final FaceFeature faceFeature, final Integer requestId, final Integer errorCode) {
//FR成功
if (faceFeature != null) {
//接收身份證數據
if (requestId == -2) {
isIdCardReady = true;
//feature用全局變量進行存儲
idFaceFeature = faceFeature;
compare();
return;
}
// Log.i(TAG, "onPreview: fr end = " + System.currentTimeMillis() + " trackId = " + requestId);
Integer liveness = livenessMap.get(requestId);
//不做活體檢測的情況，直接搜索
if (!livenessDetect) {
isCurrentReady = true;
//防止對同一個人臉進行多次特征提取
requestFeatureStatusMap.put(requestId, RequestFeatureStatus.SUCCEED);
compare();
// searchFace(faceFeature, requestId);
}
//活體檢測通過，搜索特征
else if (liveness != null && liveness == LivenessInfo.ALIVE) {
isCurrentReady = true;
//防止對同一個人臉進行多次特征提取
RegisterAndRecognizeActivity.this.faceFeature = faceFeature;
requestFeatureStatusMap.put(requestId, RequestFeatureStatus.SUCCEED);
compare();
// searchFace(faceFeature, requestId);
}
//活體檢測未出結果，或者非活體，延遲執行該函數
else {
//......
}
}
//特征提取失敗
else {
//.........
}
}
@Override
public void onFaceLivenessInfoGet(@Nullable LivenessInfo livenessInfo, final Integer requestId, Integer errorCode) {
//.....
}
};compare 函數：
private void compare() {
if (isCurrentReady && isIdCardReady) {
FaceSimilar similar = new FaceSimilar();
int compareResult = frEngine.compareFaceFeature(idFaceFeature, faceFeature, CompareModel.ID_CARD, similar);
if (compareResult == ErrorInfo.MOK && similar.getScore() > 0.82) {
Log.i(TAG, "compare: success");
} else {
Log.i(TAG, "compare: fail");
}
//比對完成后重置比對狀態
isIdCardReady = false;
isCurrentReady = false;
//給同一個人臉若比對后仍想嘗試，允許其進行特征提取
requestFeatureStatusMap.clear();
}
}??使用ArcFace3.0進行修改，可以明顯的感覺到修改“絲滑”了很多，我們在原代碼的基礎上只需要注意Id Card的數據輸入，以及比對前后的邏輯即可，比對的難度幾乎可以忽略不計，只是簡單的調用接口而已。我這里也寫的比較簡單，有些業務邏輯如：增加身份證數據有效時間；規定雙方數據強制的先后順序；界面部分的展示都沒有做，只打印了一下比對的結果。本文只提供思路給大家參考，業務邏輯還是需要自己添加，最后給大家看一下修改完成后運行比對成功的日志。
關于如何解析利用人臉識別SDK實現人證比對全過程就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
