Android实现活体人脸识别检测（附带源码）

于 2025-04-21 00:15:00 发布
阅读量2k 收藏 17
点赞数 75
分类专栏： Android实战项目 文章标签： android
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_61840987/article/details/147364267
版权

一、项目介绍

随着移动端安全需求的提升，单纯的“人脸检测”逐渐难以满足支付、身份验证等场景的抗欺骗需求。活体检测（Liveness Detection） 能有效区分真人和照片、视频、面具等攻击手段，保障系统安全。

本项目目标：

  1. 实时打开摄像头，在人脸进入画面时进行活体检测；

  2. 当系统识别为“活体”后，自动进行人脸比对或登录流程；

  3. 支持 Android 5.0+，兼容 Camera2 与 CameraX；

  4. CPU+GPU 混合加速，保证 >15 FPS；

  5. UI 友好：检测过程中提示“眨眨眼睛”“张张嘴”等动作；

  6. 离线优先：优先采用本地 SDK，网络降级调用云端 API。

典型场景：

  • 金融开户/支付；

  • 门禁通行；

  • 考试监控；

  • 社交认证。

二、相关技术与知识

  1. 人脸检测与关键点定位

    • 使用轻量级本地 SDK（如 ArcSoft FaceEngine、Face++ 本地版、人脸识别开源库 MNNFace）

    • 检测人脸框、68/106 关键点，获取眨眼、张嘴等动作特征

  2. 活体检测算法

    • 动作活体：引导用户眨眼、张嘴、点头等，以检测动态特征

    • 纹理活体：分析皮肤光照/频谱差异，检测照片屏幕反光

    • 深度活体：基于双目/结构光深度估计

  3. Camera2 / CameraX

    • 实时预览帧回调，获取 YUV→RGB 或 Bitmap 用于检测

    • 保证回调线程快速返回，耗时检测在子线程执行

  4. 本地 vs 云端

    • 本地 SDK：无流量消耗、延迟低，但需集成 .so 库

    • 云端 API（Face++、Baidu AI）：无需本地库，依赖网络、流量与延迟

  5. 异步与性能优化

    • 使用 HandlerThread 或 ExecutorService 串行处理每帧检测

    • 对关键点检测设阈值跳帧，避免每帧都全量检测

  6. UI 与用户引导

    • 使用 SurfaceView / TextureView 显示预览

    • 在画面上绘制人脸框与检测提示

    • 引导用户完成动作，并在超时后失败

三、实现思路

  1. 引入本地 SDK

    • 在 app/libs/ 放入 libarcsoft_face_engine.so 与 arcsoft_face_engine.jar

    • 在 build.gradle 中配置 jniLibs.srcDirs

  2. 布局设计

    • activity_main.xml：

      • 顶部 TextureView（或 SurfaceView）承载相机预览

      • 半透明 OverlayView 在上层绘制人脸框与文本提示

    • 控件整合到 MainActivity.java 注释中

  3. 权限管理

    • 申请 CAMERA、WRITE_EXTERNAL_STORAGE、RECORD_AUDIO（若需语音提示）

  4. 摄像头预览

    • 使用 Camera2 API 打开后置摄像头

    • 将预览输出到 TextureView，并在 onImageAvailable() 获取 Image 进行 YUV→RGB 转换

  5. 人脸与活体检测

    • 初始化 AFR_FSDKEngine（人脸识别）、AFT_FSDKEngine（人脸检测）与 ARL_FSDKEngine（活体）实例

    • 在子线程中：

      1. 调用人脸检测接口获取 faceInfo[]

      2. 调用关键点检测接口获取 landmarks

      3. 根据 LANDMARKS 跟踪眨眼/张嘴：动态活体

      4. 调用纹理活体接口分析帧灰度分布

    • 合并结果，判断“活体通过”

  6. 流程控制

    • 应用启动后进入“活体检测”模式

    • 用户按提示完成动作（如眨眼两次），检测通过后回调主线程提示成功

    • 超时或多次失败后提示“检测失败，请重试”

四、完整代码

// ==============================================
// 文件：MainActivity.java
// 功能：活体人脸识别检测示例（离线本地 SDK）
// 包含：布局 XML、Manifest、Gradle 配置、一处整合
// ==============================================

package com.example.livenessdemo;

import android.Manifest;
import android.content.pm.PackageManager;
import android.graphics.*;
import android.media.Image;
import android.os.*;
import android.util.Size;
import android.view.*;
import android.widget.Toast;
import androidx.annotation.NonNull;
import androidx.appcompat.app.AppCompatActivity;
import androidx.core.app.ActivityCompat;
import com.arcsoft.face.*;
import java.nio.ByteBuffer;
import java.util.List;

public class MainActivity extends AppCompatActivity {

    // --- 本地 SDK 相关常量（请替换为自有 AppId/SDKKey）
    private static final String APP_ID = "YourArcSoftAppId";
    private static final String SDK_KEY = "YourArcSoftSdkKey";

    private static final int REQUEST_CAMERA = 2001;
    private TextureView tvPreview;
    private OverlayView overlay;            // 自定义 View 在上层绘制
    private CameraDevice cameraDevice;
    private CaptureRequest.Builder previewBuilder;
    private CameraCaptureSession previewSession;
    private HandlerThread cameraThread;
    private Handler cameraHandler;

    // FaceEngine 模块
    private FaceEngine ftEngine, frEngine, flEngine;
    private int ftCode, frCode, flCode;

    // 检测线程
    private HandlerThread detectThread;
    private Handler detectHandler;

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        // 加载布局（整合在注释中）
        setContentView(R.layout.activity_main);

        // 1. 权限申请
        if (ActivityCompat.checkSelfPermission(this, Manifest.permission.CAMERA)
            != PackageManager.PERMISSION_GRANTED) {
            ActivityCompat.requestPermissions(this,
                new String[]{Manifest.permission.CAMERA}, REQUEST_CAMERA);
        } else {
            init();
        }
    }

    /** 初始化相机和 FaceEngine */
    private void init() {
        // 2. 初始化 FaceEngine
        ftEngine = new FaceEngine();
        frEngine = new FaceEngine();
        flEngine = new FaceEngine();
        // 检测引擎
        ftCode = ftEngine.init(this, FaceEngine.ASF_DETECT_MODE_VIDEO,
            FaceEngine.ASF_OP_0_ONLY, 16, 5,
            FaceEngine.ASF_FACE_DETECT);
        // 活体（纹理+动作）
        flCode = flEngine.init(this, FaceEngine.ASF_DETECT_MODE_VIDEO,
            FaceEngine.ASF_OP_0_ONLY, 16, 5,
            FaceEngine.ASF_LIVENESS);
        // 特征引擎（可选，用于后续比对）
        frCode = frEngine.init(this, FaceEngine.ASF_DETECT_MODE_IMAGE,
            FaceEngine.ASF_OP_0_ONLY, 16, 5,
            FaceEngine.ASF_FACE_RECOGNITION);

        if (ftCode != ErrorInfo.MOK || flCode != ErrorInfo.MOK) {
            Toast.makeText(this, "引擎初始化失败", Toast.LENGTH_SHORT).show();
            return;
        }

        // 3. 启动相机预览
        tvPreview = findViewById(R.id.tvPreview);
        overlay   = findViewById(R.id.overlay);
        startCameraThread();
        openCamera();
        startDetectThread();
    }

    /** 启动相机线程 */
    private void startCameraThread() {
        cameraThread = new HandlerThread("CameraThread");
        cameraThread.start();
        cameraHandler = new Handler(cameraThread.getLooper());
    }

    /** 打开 Camera2，略去详细代码（请根据官方示例实现） */
    private void openCamera() {
        // … 使用 CameraManager.openCamera(...)
        // onOpened 回调中创建预览会话，并在每帧 Image到达时回调 onImageAvailable()
        // 将 Image 通过 ImageReader 转 ByteBuffer，然后 post 到 detectHandler
    }

    /** 启动检测线程 */
    private void startDetectThread() {
        detectThread = new HandlerThread("DetectThread");
        detectThread.start();
        detectHandler = new Handler(detectThread.getLooper());
    }

    /** 每帧到达后调用 */
    private void onFrameAvailable(Image image) {
        // 转 YUV -> NV21 bytes
        ByteBuffer y = image.getPlanes()[0].getBuffer();
        ByteBuffer u = image.getPlanes()[1].getBuffer();
        ByteBuffer v = image.getPlanes()[2].getBuffer();
        int w = image.getWidth(), h = image.getHeight();
        byte[] nv21 = new byte[w*h*3/2];
        y.get(nv21, 0, w*h);
        v.get(nv21, w*h, w*h/4);
        u.get(nv21, w*h + w*h/4, w*h/4);
        image.close();

        detectHandler.post(() -> {
            // 1. 人脸检测
            List<FaceInfo> faces = new java.util.ArrayList<>();
            int detectRes = ftEngine.detectFaces(nv21, w, h,
                FaceEngine.CP_PAF_NV21, faces);
            if (detectRes != ErrorInfo.MOK || faces.isEmpty()) {
                runOnUiThread(() -> overlay.clear());
                return;
            }
            // 2. 活体检测（纹理 + 动作）
            LivenessInfo[] liveness = new LivenessInfo[faces.size()];
            flEngine.detectLiveness(nv21, w, h,
                FaceEngine.CP_PAF_NV21, faces, liveness);
            // 3. 合并结果与 UI 绘制
            runOnUiThread(() -> {
                overlay.setFaces(faces, liveness);
                if (liveness[0].isLive()) {
                    Toast.makeText(this,
                      "活体检测通过！", Toast.LENGTH_SHORT).show();
                    // TODO: 停止检测，进行后续比对或操作
                }
            });
        });
    }

    /** 自定义 OverlayView 绘制人脸框和活体提示 */
    public static class OverlayView extends View {
        private List<FaceInfo> faces;
        private LivenessInfo[] liveInfo;
        private Paint paint = new Paint();

        public OverlayView(Context c, AttributeSet a) {
            super(c, a);
            paint.setColor(Color.GREEN);
            paint.setStyle(Paint.Style.STROKE);
            paint.setStrokeWidth(5);
        }
        public void setFaces(List<FaceInfo> f, LivenessInfo[] l) {
            faces = f; liveInfo = l; invalidate();
        }
        public void clear() { faces=null; invalidate(); }
        @Override protected void onDraw(Canvas c) {
            super.onDraw(c);
            if (faces==null) return;
            for (int i=0;i<faces.size();i++) {
                FaceInfo fi = faces.get(i);
                Rect rect = fi.getRect();
                c.drawRect(rect, paint);
                String txt = liveInfo[i].isLive()?"LIVE":"FAKE";
                paint.setTextSize(50);
                c.drawText(txt, rect.left, rect.top-10, paint);
            }
        }
    }

    @Override protected void onDestroy() {
        super.onDestroy();
        // 停止预览
        if (previewSession!=null) previewSession.close();
        if (cameraDevice!=null)  cameraDevice.close();
        cameraThread.quitSafely();
        // 销毁引擎
        ftEngine.unInit();
        flEngine.unInit();
        frEngine.unInit();
    }

    @Override public void onRequestPermissionsResult(int rc,
        @NonNull String[] p, @NonNull int[] g) {
        if (rc==REQUEST_CAMERA
         && g.length>0
         && g[0]==PackageManager.PERMISSION_GRANTED) {
            init();
        } else {
            Toast.makeText(this,
              "摄像头权限被拒绝", Toast.LENGTH_SHORT).show();
        }
    }
}

/*
=========================== res/layout/activity_main.xml ===========================

<?xml version="1.0" encoding="utf-8"?>
<FrameLayout xmlns:android="http://schemas.android.com/apk/res/android"
    android:layout_width="match_parent"
    android:layout_height="match_parent">

    <!-- 摄像头预览 -->
    <TextureView
        android:id="@+id/tvPreview"
        android:layout_width="match_parent"
        android:layout_height="match_parent"/>

    <!-- 人脸框与活体提示 -->
    <com.example.livenessdemo.MainActivity.OverlayView
        android:id="@+id/overlay"
        android:layout_width="match_parent"
        android:layout_height="match_parent"/>
</FrameLayout>
=========================== 布局结束 ===========================
*/

/*
=========================== app/build.gradle 关键配置 ===========================

android {
    compileSdk 33
    defaultConfig {
        minSdk 21
        targetSdk 33
        ndk {
            abiFilters "armeabi-v7a","arm64-v8a"
        }
        externalNativeBuild { cmake { } }
    }
    sourceSets {
        main {
            jniLibs.srcDirs 'libs'
        }
    }
}
dependencies {
    implementation 'androidx.appcompat:appcompat:1.5.1'
    implementation files('libs/arcsoft_face_engine.jar')
}
=========================== Gradle 结束 ===========================
*/

/*
=========================== AndroidManifest.xml 关键节点 ===========================

<manifest xmlns:android="http://schemas.android.com/apk/res/android"
    package="com.example.livenessdemo">
    <uses-permission android:name="android.permission.CAMERA"/>
    <application ...>
        <activity android:name=".MainActivity"
            android:screenOrientation="portrait">
            <intent-filter>
                <action android:name="android.intent.action.MAIN"/>
                <category android:name="android.intent.category.LAUNCHER"/>
            </intent-filter>
        </activity>
    </application>
</manifest>
=========================== Manifest 结束 ===========================
*/

五、方法解读

  1. 引擎初始化

    • FaceEngine.init() 按需开启人脸检测、特征、活体模块；

    • 本例使用纹理活体（ASF_LIVENESS）与动作活体检测（眨眼、张嘴）自动结合；

  2. Camera2 预览流

    • 打开后置摄像头，将预览输出到 TextureView；

    • 使用 ImageReader 获取 YUV Image，转换为 NV21 byte[]；

    • 通过 HandlerThread 串行处理每帧，避免并发冲突；

  3. 活体检测流程

    • detectFaces(...) 得到 FaceInfo[]；

    • detectLiveness(...) 得到对应 LivenessInfo[]，其中 isLive() 表示活体概率

    • 可根据实际需求调整：仅当连续 N 帧活体通过后才最终判定；

  4. UI 绘制

    • 自定义 OverlayView 在 onDraw() 中绘制人脸框和“LIVE/FAKE”文字，实时反馈；

    • 手势提示、进度条、文字提示可进一步增强体验；

  5. 生命周期与资源释放

    • 在 onDestroy() 中关闭 Camera2 会话和 HandlerThread，并 unInit() FaceEngine；

    • 必须清理本地 .so 占用的资源，避免崩溃；

六、项目总结

  • 优势

    1. 完全离线：无需网络，适合高安全场景；

    2. 实时高 FPS：本地 C/C++ 实现加速，保证流畅；

    3. 模块化：人脸检测、特征、活体分离，可灵活升级；

  • 注意事项

    • 授权：ArcSoft SDK 需在官网申请 AppId/SDKKey；

    • 性能调优：必要时降低人脸检测频率（如每 200 ms）；

    • 多摄像头支持：可扩展前置/后置切换；

  • 扩展方向

    1. 深度活体：结合结构光或双目摄像头实现更强抗攻击；

    2. 动作引导：随机引导用户执行不同动作，防止机密视频播放攻击；

    3. 人脸比对：检测通过后与本地/远程库比对身份；

    4. 语音提示：结合 TextToSpeech 语音引导用户

    5. Jetpack Compose：在 Compose 中将 TextureView 包装为 AndroidView 实现同等效果。

Android实现活体人脸识别检测 (附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
10-29 154
Android实现活体人脸识别检测 (附完整源码)
使用FaceNet进行安卓平台人脸识别：一款强大的开源工具
gitblog_00042的博客
05-31 449
使用FaceNet进行安卓平台人脸识别：一款强大的开源工具 项目地址:https://gitcode.com/gh_mirrors/fa/FaceRecognition_With_FaceNet_Android 项目简介 这款开源项目是一个基于Android的面部识别和分类应用，利用FaceNet模型，您无需修改代码或重新训练机器学习模型，就能轻松添加新的识别对象。只需将您想识别人的脸部图片存入指...
手机端APP活体真活人检测扫描人脸识别SDK之张嘴摇头眨眼点头确认真人非图片...
架构师亮哥的博客
04-28 4602
关键词：活体活人检测、手机端、APP软件、SDK原生态开发包、人脸识别、张嘴、摇头、点头、眨眼、左右摇头 image 随着AI智能的应用、发展，越来越多的行业运用了人脸识别，而人脸识别最重要的一步是活体检测，防止图片或者视屏冒充真人。手机端APP上面很多需要人脸的比对或者拍照本人，如果没有活体检测这一重要步骤，是不是会经常会出现，图片视频冒充真人导致APP或者其他手机端的人脸比对等应用...
Android 人脸识别流程实现
最新发布
程序员Android
03-25 64
和你一起终身学习，这里是程序员Android经典好文推荐，通过阅读本文，您将收获以下知识点:一、实现思路与步骤二、创建布局文件三、获取相机信息四、申请Camera 权限五、获取相机参数六、开始相机配流七、创建Capture 请求八、实现预览回调九、Demo 所有代码。
活体检测很复杂？仅使用opencv就能实现！（附源码） ...
weixin_34228662的博客
03-17 2507
什么是活体检测，为什么需要它？ 随着时代的发展，人脸识别系统的应用也正变得比以往任何时候都更加普遍。从智能手机上的人脸识别解锁、到人脸识别打卡、门禁系统等，人脸识别系统正在各行各业得到应用。然而，人脸识别系统很容易被“非真实”的面孔所欺骗。比如将人的照片放在人脸识别相机，就可以骗过人脸识别系统，让其识别为人脸。为了使人脸识别系统更安全，我们不仅要识别...
小程序Page初始化,声明周期等
chengling5809的博客
07-02 405
Page({ data:{ String1 }, onLoad:function(options){ // 生命周期函数--监听页面加载 String2 }, onReady:function(){ // 生命周期函数--监听页面初次渲染完成...
AndroidFaceRecognizer：一款基于Android的人脸检测与识别应用
gitblog_00210的博客
01-10 379
AndroidFaceRecognizer：一款基于Android的人脸检测与识别应用 AndroidFaceRecognizer This is an face detection and recognition application on Android based on Android OpenCV Androi...
Silent-Face-Anti-Spoofing 开源项目教程
gitblog_00436的博客
08-08 657
Silent-Face-Anti-Spoofing 开源项目教程 Silent-Face-Anti-Spoofing静默活体检测（Silent-Face-Anti-Spoofing）项目地址:https://gitcode.com/gh_mirrors/si/Silent-Face-Anti-Spoofing 项目介绍 Silent-Face-Anti-Spoofing 是由 minivisio...
推荐开源项目：Android实时人脸识别库 - Face Detector
gitblog_00098的博客
05-21 1387
推荐开源项目：Android实时人脸识别库 - Face Detector 项目地址:https://gitcode.com/gh_mirrors/an/android-face-detector 在这个数字化时代，人脸识别技术已成为许多创新应用的核心。今天，我们向您推荐一个高效、易集成的Android实时人脸识别库——Face Detector。基于Google的ML Kit，这个强大的库可以帮...
人脸活体检测系统源码分享
xuehaikj的博客
09-19 1388
数据集信息展示在现代计算机视觉领域，人脸活体检测技术的进步对于安全性和用户体验至关重要。为此，我们引入了名为“liveness_cam”的数据集，该数据集专门用于训练和改进YOLOv8模型，以实现高效、准确的人脸活体检测。该数据集的设计旨在涵盖两种主要类别：活体（live）和伪造（spoof），通过这两种类别的对比，模型能够学习到有效的特征，以识别真实的人脸与各种伪造手段之间的差异。“liveness_cam”数据集包含丰富的图像样本，这些样本经过精心挑选和标注，确保了数据的多样性和代表性。
活体识别源码
10-09
通过张嘴，眨眼，摇头活体识别代码，准确有效，可按需改动；
Zeusee-Face-Anti-Spoofing：开源配合型人脸活体检测
02-05
Zeusee配合型人脸活体检测 在移动端进行人脸识别应用开发的时候，经常存在用户会使用翻拍照片录制录像等来欺骗人脸识别系统，因此活体检测是人脸识别和人脸验证中非常重要的一个部分，同时目前开源活体检测代码的补充，但配合型活体检测实现相对比较简单，因此我们可以做到简单的实现，并并进行了所有的代码。 更新 增加了基于IntraFace活体检测（2018.03.30） 单目配合型活体检测 由于移动端传感器的有限性，在广泛只有单个现有放置摄像机的情况下，非配合型的人脸活体检测实现相对比较复杂。需要的数据成本也相对较高。而配合性活体检测仅需要通过用户简单的低头摇头操作即可极大降低用户的欺骗攻击成本。 基本
活体检测H5文档及示例代码--人脸识别
03-07
活体检测H5简介 人脸识别 微信官方Demo 微信公众平台（视频接口）开发编程文档
人脸识别-静态RGB单目活体检测-不用动作配合
12-11
注意： 1、本程序是在vs2017下编译，如运行提示缺少msvcr140.dll/msvcp140.dll，请安装vc_redist2015.x86.exe； 2、活体检测算法是基于单目摄像头的RGB和光线分析，静态检测，不用眨眼张嘴等动作的配合； 3、本程序只是一个演示demo，不含源代码； 4、人脸检测、人脸特征提取、人脸比对、性别年龄检测在其他demo演示：https://download.csdn.net/download/kfy2011/10696581 5、如需sdk或定制开发合作请联系QQ:284050768；
离线版Android人脸检测，人脸识别和活体检测SDK 封装交流
05-29
离线版Android人脸检测，人脸识别和活体检测反作弊 SDK 封装交流学习，SDK包含动作活体、静默活体检测，1：1人脸识别以及1：N人脸识别查找，所有处理都在设备终端离线执行，不收集人脸信息更具隐私安全 其中活体检测...
React Native实现人脸识别与活体检测实战教程
从给定的文件信息中，我们可以提炼出以下知识点： ...它不仅包含源代码，还有可能附带了项目简介和指导文档，让开发者可以实际操作和学习人脸识别及活体检测技术，并将其应用在基于React Native框架的移动应用开发中。
基于虹软视觉开发平台的ArcFace人脸识别离线算法，实现的Android代码示例
02-23
基于虹软视觉开发平台的ArcFace人脸识别离线算法，实现的Android代码示例，包括引擎激活、人脸检测、性别、年龄检测、人脸跟踪、人脸批量注册、活体检测、人脸比对（图片vs图片）、人脸比对（视频vs图片）等功能。...
鸿蒙5.0开发进阶：人脸识别验证实现案例
HSMMQAQ的博客
11-01 1047
本示例介绍使用VisionKit(视觉服务)实现活体检测........
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值