互联网飞速发展的明天，各种App的验证办法也越来越不便用户，从一开始的明码输出，到起初的指纹解锁，演变成现在的刷脸认证。刷个脸，就能够解锁设施、在线/线下领取、通过门禁、疾速检票等。与此同时也随同了很多平安问题，首要就是如何判断用户的真实性。

HMS Core机器学习服务（ML Kit）的人脸比对和活体检测能力可能疾速捕获人脸，通过辨认并提取模板中的人脸特色，不须要用户配合做动作就能够判断是实在人脸，还是人脸攻打，同时将模板人像和人脸进行高精度比对，输入类似度值，进而判断两者是否为同一个人。

基于此，开发者能够疾速构建人脸检测能力，比方在金融类App中，比对用户身份证照片和人脸检测后果，判断用户信息真实性，可提供疾速平安的身份核验流程，实用于互联网近程开户、刷脸领取等金融业务。在办公App中，可采取刷脸考勤，辨认是否为自己，无效避免代打卡等行为。

成果展现

从成果展现图来看，活体检测几秒钟就能够实现精准辨认手机上的假照片。

开发步骤

开发筹备

  1. 在AppGallery Connect中配置相干信息，具体开发筹备能够参考文档。
  2. 配置HMS Core SDK的Maven仓地址。

关上Android Studio我的项目级“build.gradle”文件。

增加AppGallery Connect插件以及Maven代码库。

在“allprojects”>“repositories”外面配置HMS Core SDK的Maven仓地址。

allprojects {    repositories {        google()        jcenter()        maven {url 'https://developer.huawei.com/repo/'}    } }

在“buildscript”>“repositories”外面配置HMS Core SDK的Maven仓地址。

buildscript {    repositories {        google()        jcenter()        maven {url 'https://developer.huawei.com/repo/'}    } }

在“buildscript”>“dependencies”外面减少AppGallery Connect插件配置。

buildscript{    dependencies {         classpath 'com.huawei.agconnect:agcp:1.3.1.300'    } }

人脸比对性能开发

  1. 创建人脸比对检测器实例。
MLFaceVerificationAnalyzer analyzer = MLFaceVerificationAnalyzerFactory.getInstance().getFaceVerificationAnalyzer();
  1. 通过android.graphics.Bitmap创立MLFrame对象用于设置模版图片，反对的图片格式包含：JPG、JPEG、PNG、BMP。
// 通过bitmap创立MLFrameMLFrame templateFrame = MLFrame.fromBitmap(bitmap);
  1. 设置人脸比对模版图片。如果模板中无人脸，则示意模板设置失败，放弃该实例上一次设置的模板不变。
List<MLFaceTemplateResult> results = analyzer.setTemplateFace(templateFrame);for (int i = 0; i < results.size(); i++) {    // 解决模板图片辨认后果}
  1. 通过android.graphics.Bitmap创立MLFrame对象用于设置比对图片。反对的图片格式包含：JPG、JPEG、PNG、BMP。
// 通过bitmap创立MLFrameMLFrame compareFrame = MLFrame.fromBitmap(bitmap);
  1. 调用同步或异步办法进行人脸比对。检测后果次要包含比对图片中检测到的人脸信息、检测到的人脸信息与模板人脸是同一个人的置信度。详细信息请参见MLFaceVerificationResult。

• 异步办法示例代码：

Task<List<MLFaceVerificationResult>> task = analyzer.asyncAnalyseFrame(compareFrame);task.addOnSuccessListener(new OnSuccessListener<List<MLFaceVerificationResult>>() {    @Override    public void onSuccess(List<MLFaceVerificationResult> results) {        // 检测胜利    }}).addOnFailureListener(new OnFailureListener() {    @Override    public void onFailure(Exception e) {        // 检测失败    }});

• 同步办法示例代码：

SparseArray<MLFaceVerificationResult> results = analyzer.analyseFrame(compareFrame);for (int i = 0; i < results.size(); i++) {    // 检测后果解决}
  1. 检测实现，进行分析器，开释检测资源。
if (analyzer != null) {    analyzer.stop();}

活体检测性能开发

默认扫描界面

  1. 创立静默活体检测后果回调，用于获取检测后果。
private MLLivenessCapture.Callback callback = new MLLivenessCapture.Callback() {   @Override   public void onSuccess(MLLivenessCaptureResult result) {    //检测胜利的解决逻辑，检测后果可能是活体或者非活体。   }   @Override   public void onFailure(int errorCode) {       //检测未实现，如相机异样CAMERA_ERROR,增加失败的解决逻辑。   }};
  1. 创立静默活体检测实例，启动检测。
MLLivenessCapture capture = MLLivenessCapture.getInstance();capture.startDetect(activity, callback);

理解更多详情>>

拜访华为开发者联盟官网
获取开发领导文档
华为挪动服务开源仓库地址：GitHub、Gitee

关注咱们，第一工夫理解 HMS Core 最新技术资讯~