基于 Web 端的人脸识别身份验证
效果展示
前言
近些年来,随着生物识别技术的逐渐成熟,基于深度学习的人脸识别技术取得了突破性进展,准确率显著提高。现阶段,人脸识别身份验证作为非常重要的身份验证方式,已被广泛的应用于诸多行业和领域,例如:支付宝付款、刷脸签到等方面。
其优点在于,以人脸为识别对象,识别过程更加友好、便捷,只需被识别者进入摄像范围内即可,不会引起被识别者的反感和警惕。目前,市面上的应用场景主要集中在移动端,而基于 Web 浏览器端的人脸识别身份验证方案较少。
本文将介绍基于 Web 浏览器端的人脸识别身份验证的整体方案,以及重点讲解如何在 Web 浏览器中实现人脸自动采集。
场景描述及分析
适用场景:人脸识别身份实名认证。用户使用人脸识别身份验证功能时,只需要将人脸对准摄像头,程序自动对人脸进行检测。如果检测到当前摄像头可视区域内仅存在唯一一个人脸,则采集当前人脸图片进行人脸对比、活体检测、身份证识别等多项组合能力,快速完成用户身份核验。
从上述场景描述中,分析出几个关键问题及解决方案:
考虑到 Web 端性能,活体检测交由服务端处理比较合适。具体可参考 百度 AI 活体检测 (https://ai.baidu.com/tech/face/faceliveness)
个人身份证上的高清照片是无法直接获取到的。可以使用 百度 AI 的实名身份认证服务 (https://ai.baidu.com/tech/face/personverify),将待比对的人脸图片 + 身份证号码 + 姓名上传到百度 AI 服务,会返回图片的匹配度(0~100)。其底层调用的也是公安的实名认证接口
使用开源的人脸采集 JS 库。需要支持单个和多个人脸检测
经横向对比目前常用的开源人脸采集 JS 库,Face-api.js 在性能和准确度上更胜一筹
face-api.js :基于 TensorFlow.js 内核,实现了三种卷积神经网络架构,用于完成人脸检测、识别和特征点检测任务,可以在浏览器中进行人脸识别。其内部实现了一个非常轻巧,快速,准确的 68 点面部标志探测器。支持多种 tf 模型,微小模型仅为 80kb。另外,它还支持 GPU 加速,相关操作可以使用 WebGL 运行
tracking.js : 一个独立的 JavaScript 库,主要实现了颜色和人(人脸、五官等)的跟踪检测。可以通过检测到某特定颜色,或者检测一个人体/脸的出现与移动,来触发 JavaScript 事件,然后对人脸进行采集。Tracking.js 是使用 CPU 进行计算的,在图像的矩阵运算效率上,相对 GPU 要慢一些
通过 navigator.mediaDevices.getUserMedia API(基于 WebRTC)可以获取到摄像头拍摄的实时视频流数据
问题一:如何获取到摄像头拍摄的实时视频流数据?
问题二:如何检测到实时视频流中存在唯一人脸,并进行采集?
问题三:实名身份验证怎么实现?如何获取到身份证上的高清照片进行比对?
问题四:活体检测怎么实现?
整体方案
主要分为以下几个关键步骤:
调用摄像头(需获得用户授权允许),获取摄像头的视频流数据
使用 face-api.js 识别视频流中的人脸特征点,定位出人脸的位置
符合人脸特征时,暂停视频流,根据视频流当前帧,绘制图像
将图像转成 Base64 编码,上传到服务端
服务端调用百度 AI 的接口,与身份证上的图片信息进行比对,并进行活体检测
实现细节
在上述方案中,想必大家对摄像头检测、实时视频流数据获取、Canvas 图片绘制这些都比较熟悉,我这边就不详细讲解了。部分同学没接触过也没关系,具体实现比较简单,可以直接看 源码 (https://github.com/Angela-Chen/face-api-demo),源码里面关于这些都有详细的注解。
下面我详细讲下,如何使用 face-api.js 在实时视频流中进行人脸的检测
1、引入 face-api
script 标签方式,获取 最新脚本 (https://github.com/justadudewhohacks/face-api.js/tree/master/dist)
<script src="face-api.js"></script>
或者 使用 npm 方式
npm install face-api.js
2、加载模型数据
“
加载模型数据是异步操作。需要等模型数据加载完成后,才能开始人脸检测。
// 加载所有模型数据,models 是存放模型数据文件的目录
await faceapi.loadModels('/models');
// 加载单个指定的模型数据
await faceapi.loadTinyFaceDetectorModel('/models');
await faceapi.loadSsdMobilenetv1Model('/models');
await faceapi.loadMtcnnModel('/models');
3、检测人脸
“
当人脸被检测到符合模型的配置参数后,就会被认为检测到人脸了,然后返回一个detection对象,包括了人脸匹配度、人脸坐标等信息。可用于后续自定义绘制人脸边界框,以及阈值的逻辑判断。
faceapi.detectAllFaces :检测图像中的所有人脸
faceapi.detectSingleFace :检测单个人脸,返回图像中具有最高置信度得分的人脸
// 数据源支持:HTMLImageElement | HTMLVideoElement | HTMLCanvasElement 类型
// 不同的模型有不同的配置参数,下面会详细介绍
const detections1 = await faceapi.detectAllFaces(待检测的数据源, 模型的配置参数);
const detections2 = await faceapi.detectSingleFace(待检测的数据源, 模型的配置参数);
4、常用人脸检测模型介绍
(1) Tiny Face Detector 是一款性能非常高的实时人脸检测模型,与 SSD Mobilenet V1 人脸检测模型相比,它更快,更小,资源消耗更少,量化模型的大小仅为 190 KB(tiny_face_detector_model),但它在检测小脸时的表现稍差。加载时长 8 ms左右
// 模型的配置参数
new faceapi.TinyFaceDetectorOptions({// 输入的数据源大小,这个值越小,处理速度越快。常用值:128, 160, 224, 320, 416, 512, 608inputSize: number, // default: 416// 用于过滤边界的分数阈值,大于等于这个值才被认为检测到了人脸,然后返回一个detection对象scoreThreshold: number // default: 0.5
});
(2) SSD Mobilenet V1 对于面部检测,该模型实现了基于 MobileNetV1 的 SSD(单次多盒检测器)。神经网络将计算图像中每个面部的位置,并将返回边界框以及每个面部的概率。该面部检测器旨在获得检测面部边界框而不是低推理时间的高精度。量化模型的大小约为 5.4 MB(ssd_mobilenetv1_model)。加载时长 2-3s 左右
// 模型的配置参数
new faceapi.SsdMobilenetv1Options({// 最小置信值,大于等于这个值才被认为检测到了人脸,然后返回一个detection对象minConfidence: number, // default: 0.5// 最多返回人脸的个数maxResults: number // default: 100
});
(3) MTCNN MTCNN(多任务级联卷积神经网络)代表了 SSD Mobilenet v1 和 Tiny Yolo v2 的替代面部检测模型,它提供了更多的配置空间。通过调整输入参数,MTCNN 应该能够检测各种面部边界框大小。MTCNN 是一个 3 级级联 CNN,它同时返回 5 个面部标志点以及每个面的边界框和分数。此外,型号尺寸仅为 2 MB。加载时长 1-2s 左右
// 模型的配置参数
new faceapi.MtcnnOptions({// 人脸尺寸的最小值,小于这个尺寸的人脸不会被检测到minFaceSize: number, // default: 20// 用于过滤边界的分数阈值,分别可以设置3个阶段盒子的阈值。scoreThresholds: number[], // default: [0.6, 0.7, 0.7]// 比例因子用于计算图像的比例步长scaleFactor: number, // default: 0.709// 经过CNN的输入图像缩放版本的最大数量。数字越小,检测时间越短,但相对准确度会差一些。maxNumScales: number, // default: 10// 手动设置缩放步长 scaleStepsscaleSteps?: number[],
});
特别说明:
模型的配置参数设置非常重要,需要慢慢的微调,能优化识别性能和比对的正确性
实测下来,Tiny Face Detector 模型的性能非常好,检测的准确度也不错,只有人脸很小的时候,会有较大偏差,scoreThreshold 阈值为 0.6 时最佳
注意事项
由于 Web 端的人脸识别强依赖于本地摄像头的唤起,因此,对于本地摄像头的调用需要进行详细的错误捕获和处理,以便明确的提示用户该如何操作。下面已枚举出所有可能出现的报错:
const errorMap = {'NotAllowedError': '摄像头已被禁用,请在系统设置或者浏览器设置中开启后重试','AbortError': '硬件问题,导致无法访问摄像头','NotFoundError': '未检测到可用摄像头','NotReadableError': '操作系统上某个硬件、浏览器或者网页层面发生错误,导致无法访问摄像头','OverConstrainedError': '未检测到可用摄像头','SecurityError': '摄像头已被禁用,请在系统设置或者浏览器设置中开启后重试','TypeError': '类型错误,未检测到可用摄像头'
};await navigator.mediaDevices.getUserMedia({video: true}).catch((error) => {if (errorMap[error.name]) {alert(errorMap[error.name]);}
});
http 协议下,Chrome 浏览器无法调用本地摄像头
Chrome 浏览器出于安全性的考虑,现只支持 HTTPS 协议 和 localhost 下,调用摄像头。HTTP 协议下是无法调用摄像头的。如果一定要在 HTTP下调用到摄像头,只能修改 Chrome 浏览器的配置项,但不建议这么做
源码获取
查看源码 (https://github.com/Angela-Chen/face-api-demo)
扩展阅读
前端在人工智能时代能做些什么?(https://yq.aliyun.com/articles/153198)
TensorFlow.js 官方文档 (https://tensorflow.google.cn/js)
在浏览器中进行深度学习:TensorFlow.js【系列文章】(https://zhuanlan.zhihu.com/p/35345939)
face-api.js (https://github.com/justadudewhohacks/face-api.js)
tracking.js (https://trackingjs.com/)
最后
欢迎加我微信(winty230),拉你进技术群,长期交流学习...
欢迎关注「前端Q」,认真学前端,做个专业的技术人...
点个在看支持我吧
基于 Web 端的人脸识别身份验证相关推荐
- 身份验证错误错误指定的句柄无效_基于 Web 端的人脸识别身份验证「实践」
作者:沫沫 政采云前端团队 转发链接:https://mp.weixin.qq.com/s/fRDpXixnLIy9c0Uh2tMezQ 前言 近些年来,随着生物识别技术的逐渐成熟,基于深度学习的人脸 ...
- linux开源人脸识别库,人脸识别身份验证 HIDL
概览 借助人脸识别身份验证功能,用户只需将自己的面孔对准设备即可将其解锁.Android 10 增加了对一种新的人脸识别身份验证堆栈的支持,这种堆栈可安全处理摄像头帧,从而在支持的硬件上进行人脸识别身 ...
- 基于Android端的照片比对系统,基于Android系统的人脸识别系统
[文章摘要] 当前随着基于Android系统的移动终端设备的广泛应用,以及图像采集设备的普遍集成,使得Android系统的图像采集设备除了具有照相.摄像功能以外,正在扩展新的实用型功能.其中,利用An ...
- 智能门禁(2)---安检人脸识别人证验证系统解决方案
安检人脸识别人证验证系统解决方案方案 一.概述及特点 基于可见光下的中远距离人脸识别算法--人脸识别智能监控平台,对多个摄像头监控范围内的多个人脸同时进行检测.跟踪和识别,实时对人员身份进行确认,一旦 ...
- 基于深度学习的人脸识别考勤系统设计
写在前面:本文是本科阶段参加的第三次科创比赛项目,当时只有一个人做,能力精力有限,很多预期的功能都没有实现.最后的可展示程度不高,没有走得很远.本文是申报书部分,可以为除此参加科创的同学提供思路,可以 ...
- 基于Android系统的人脸识别签到软件
项目名称: 基于Android系统的人脸识别签到软件 目 录 1 项目介绍..... 1 1.1 项目背景.... 1 1.2 产品特点.... 2 1.3 可行性分析.... 2 1.3.1 ...
- Python+OpenCv实现AI人脸识别身份认证系统(2)——人脸数据采集、存储
原 Python+OpenCv实现AI人脸识别身份认证系统(2)--人脸数据采集.存储 2019年07月02日 08:47:52 不脱发的程序猿 阅读数 602更多 所属专栏: 人脸识别身份认证系统设 ...
- 基于全局信息的人脸识别总结
一. 课题名称 基于全局信息的人脸识别算法研究 二. 课题的提出 在当今社会中,身份确认具有十分重要的价值.随着网络技术的发展,信息安全也显示出了前所未有的重要 ...
- 基于深度学习的人脸识别闸机开发(基于飞桨PaddlePaddle)
目录 一.概述 1.1 人脸识别背景 1.2 实现 1.2.1 算法说明 1.2.2 环境设置 1.2.3 实现思路 二.示例脚本 2.1 安装PaddlePaddle和PLSC 2.2 下载人脸检测 ...
最新文章
- springboot发送http请求
- 网站SEO搜索排版布局优化
- Kubernetes v1.17 版本解读 | 云原生生态周报 Vol. 31
- 分段函数 左右 f'正 不等于f'负 则f'导数不存在。所以不能推出f连续是否
- Java黑皮书课后题第5章:**5.34(游戏:石头、剪刀、布)编程练习题3.17给出玩石头-剪刀-布游戏的程序。修改这个程序,让用户可以连续玩这个游戏,直到用户或者计算机赢对手两次以上为止
- mysql 8.0 一条insert语句的具体执行流程分析(一)
- [转载] spring mvc自定义int枚举转换器
- NE2018届校招内推笔试——数据挖掘
- 【华为云技术分享】弹性负载均衡服务助力企业应对高并发流量冲击
- wps电脑版_用好WPS这5个远程协同功能,“宅”家办公啥都不耽误,工作全搞定...
- SpringMVC源码阅读:定位Controller
- English Resources
- 190819每日一句
- 虚拟机如何搭建kms服务器,linux 搭建kms服务器
- 南京师范大学地图学与地理信息系统专业《地理信息系统原理》研究生(硕士)期末试卷
- Unity里加速纹理压缩
- 理财中的六大心理学效应(一)
- 1字符集 iso latin_ISO Latin-1字符集
- 微信的服务器 上海,微信团队:上海机房服务器发生故障 个人账号安全暂不受影响...
- Docker拉取Solace pubsub+镜像timeout的问题
热门文章
- 大学生上课为什么一定要认真听讲?
- Mac双系统Win10系统安装MySQL的坑
- 阿里数据仓库-数据模型建设方法总结(全)
- BFA“瑞云科技”大视频讲堂第五期“从好莱坞电影融资模式到中国电影的国际化”...
- python实现简单图书管理系统
- 【408】计算机组成原理第一轮强化笔记
- python对excel某一列求和-如何对某一列自动分组,统计求和
- android 图片释放内存吗,手机内存不足?掌握这几招让手机瞬间释放几个G!
- 道高一尺,魔高一丈--加密与解密的此消彼长
- iOS 模拟各种网络环境