关于人脸识别

我现在正在做一个关于人脸识别的项目，是一个访客管理系统，我想记录一下，大家可以参考一下需要注意哪些地方。

人脸检测：

• 人脸检测：检测图片中的人脸并标记出位置信息;
• 人脸关键点：展示人脸的核心关键点信息，及72个关键点信息。
• 人脸属性值：展示人脸属性信息，如年龄、性别等。
• 人脸质量信息：返回人脸各部分的遮挡、光照、模糊、完整度、置信度等信息。
• 检测响应速度，与图片中人脸数量相关，人脸数量较多时响应时间会有些许延长
  

      检测的条件包括：遮挡范围，模糊度范围，姿态角度，人脸完整度，人脸大小等。

  人脸对比：

            两张人脸图片相似度对比

• 多种图片类型：支持生活照、证件照、身份证芯片照、带网纹照四种类型的人脸对比；
• 活体检测，判断其中的人脸是否为二次翻拍
• 质量检测：返回模糊、光照等质量检测信息，用于辅助判断图片是否符合识别要求；
• 典型应用场景：如人证合一验证，用户认证等

人脸查找：

1：N人脸识别与1：N人脸认证的差别在于：人脸识别是在指定人脸集合中进行直接地人脸检索操作，而人脸认证是基于uid，先调取这个uid对应的人脸，再在这个uid对应的人脸集合中进行检索（因为每个uid通常对应的只有一张人脸，所以通常也就变为了1：1对比）；实际应用中，人脸认证需要用户或系统先输入id，这增加了验证安全度，但也增加了复杂度。

M：N识别的原理，相当于在多个人脸的图片中，先分别找出所有人脸，然后分别在待查找的人脸集合中，分别做1：N识别，最后将识别结果汇总在一起进行返回。

典型应用场景：如人脸闸机，考勤签到，安防监控等。

身份验证：

• 质量检测（可选）：判断图片中是否包含人脸，以及人脸在姿态、遮挡、模糊、光照等方面是否符合识别条件；

• 活体检测（可选）：基于图片中的破绽分析，判断其中的人脸是否为二次翻拍（举例：如用户A用手机拍摄了一张包含人脸的图片一，用户B翻拍了图片一得到了图片二，并用图片二伪造成用户A去进行识别操作，这种情况普遍发生在金融开户、实名认证等环节。）；
• 公安验证（必选）：基于姓名和身份证号，调取公民身份证小图（源自公安系统），将当前获取的人脸图片，与此证件小图进行对比，得出比对分数，并基于此进行业务判断是否为同一人。由于公安系统小图，具有最权威的身份证明作用，故对用户本人的验证结果可信度也最为合理。

业务逻辑

• 上述三项能力为顺序串行验证，接口默认返回公安身份对比分值，质量检测和活体检测为可选项。如选择了这两项，则验证顺序为人脸质量检测->活体检测->公安身份验证。您也可以根据业务场景，选择这两项中的某一项或都不选择。
• 如选择了前两个环节，则有任意一个条件不通过，则整个请求流程终止，并返回错误码，描述具体的不符合信息。
• 基于此顺序串行验证逻辑，可以避免大量不符合条件的请求流转到公安验证，节约您的成本。

推荐阈值

• 此接口使用的对比算法，针对带水纹证件照采用了专项的模型处理，可保证水纹信息的影响降到尽可能低。
• 如比对成功，最终返回的有效数据为一个对比分值，在0~1之间，您可以设定具体的阈值来判断是否验证通过。
• 人证相似度的推荐阈值为0.8，对应的误识率为万分之一。