调用百度API，来实现人脸活体(人脸展示攻击)(人脸反欺骗)的实时检测

一、登录百度API网站，申请API接口

二、创建应用列表，查看API Key 与 Secret Key

三、应用API Key 与 Secret Key，将模型部署在本地环境中

四、以视频流的方式进行实时检测

总体功能描述：

1. 调用百度API，实现对人脸展示攻击的检测；

2. 将检测模块部署到自己的电脑上，以视频窗口的方式进行实时检测；

一、登录百度API网站，申请API接口

1. 进入百度提供的关于活体检测的API网站

方式一（地址可能会变）： https://ai.baidu.com/tech/face/faceliveness

方式二：

（1）进入：https://ai.baidu.com/

（2）找到活体检测入口：开放能力->人脸与人体->活体检测；

2. 点击立即使用，然后登录自己的百度账号

3. 概览->领取免费资源

4. 基础服务->人脸检测->领取

5. 5分钟之后，查看资源列表

6. 可以看到已成功领取

二、创建应用列表，查看API Key 与 Secret Key

1. 创建应用列表：公有云服务->应用列表->创建应用

2. 填写应用信息，并创建

3. 再次返回应用列表，可看到创建的应用信息，API Key 与 Secret Key在绿色框里

三、应用API Key 与 Secret Key，将模型部署在本地环境中

逻辑思想：

（1）指定API Key 与 Secret Key；

（2）以二进制的方式读取本地测试图片；

（3）二进制图片转base64；

（4）将base64传入接口；

代码如下：

import requests
import json
import base64
API_KEY = ""
SECRET_KEY = ""
def api_interface(base_str = None):url = "https://aip.baidubce.com/rest/2.0/face/v3/faceverify?access_token=" + get_access_token()payload = json.dumps([{"image":base_str,"image_type": "BASE64","face_field": "spoofing"}])headers = {'Content-Type': 'application/json'}response = requests.request("POST", url, headers=headers, data=payload)# 查看返回的结果print(response.text)print("="*10)# 查看预测分数print(response.json()["result"]["face_liveness"])if response.json()["error_code"] != 0:return 0elif response is None:# print("Null")return 0.0else:return response.json()["result"]["face_liveness"]def get_access_token():"""使用 AK，SK 生成鉴权签名（Access Token）:return: access_token，或是None(如果错误)"""url = "https://aip.baidubce.com/oauth/2.0/token"params = {"grant_type": "client_credentials", "client_id": API_KEY, "client_secret": SECRET_KEY}# print(str(requests.post(url, params=params).json().get("access_token")))return str(requests.post(url, params=params).json().get("access_token"))if __name__ == '__main__':f = open('test.jpg', 'rb')image = base64.b64encode(f.read())image64 = str(image, 'utf-8')api_interface(image64)

友情提示：如果上述代码运行有问题，在保证API Key 与 Secret Key未输错的情况下，很有可能是官方获取token的url地址变了，这就去需要看官去百度API官方查最新的url接口了！

查看获取token的url的方法：

（1）公有云服务->API在线调试

（2）人体分析->获取AccessToken->示例代码->Python；绿色方框就是

该API推荐的阈值信息：（预测分数高于设定的阈值，判定为真样本；否则，判定为假样本）

运行代码，对本地的攻击图片进行测试：

可以看到，测试图像为真样本的预测分数为“0.000343”，明显低于推荐的阈值“0.30”，因此可判定为攻击样本。

四、以视频流的方式进行实时检测

以视频流的方式进行实时检测，可以理解为，借助电脑的摄像头捕捉图像，并对捕捉到的图像进行真假的判别，将判别结果以人脸检测框的形式直接呈现出来！

代码逻辑：

（1）OpenCV调用摄像头捕捉图像；

（2）提取面部区域；

（3）以二进制的方式读取面部图像，并编码为base64格式；

（4）将图像传入自定义的api_interface函数中，对图像进行判别；

（5）设定阈值，并展示判别结果；

（6）关闭摄像头；

import numpy as np
import cv2
from sklearn.externals import joblib
import base64
from python_scripts.api import api_interfacedef detect_face(img, faceCascade):faces = faceCascade.detectMultiScale(img, scaleFactor=1.1, minNeighbors=5, minSize=(110, 110))return facesif __name__ == "__main__":# Open the cameracap = cv2.VideoCapture(0)if not cap.isOpened():print("Error opening camera")exit(0)width = 720height = 480cap.set(cv2.CAP_PROP_FRAME_HEIGHT, height)cap.set(cv2.CAP_PROP_FRAME_WIDTH, width)# # Initialize face detectorcascPath = "haarcascade_frontalface_default.xml"faceCascade = cv2.CascadeClassifier(cascPath)while True:ret, img_bgr = cap.read()if ret is False:print("Error grabbing frame from camera")breakimg_gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY)faces = detect_face(img_gray, faceCascade)point = (0,0)for i, (x, y, w, h) in enumerate(faces):roi = img_bgr[y:y+h, x:x+w]cv2.imwrite("roi1.jpg",roi)f = open('roi1.jpg', 'rb')image = base64.b64encode(f.read())base_64 = str(image, 'utf-8')if base_64 is not None:result = api_interface(base_str=base_64)cv2.rectangle(img_bgr, (x, y), (x + w, y + h), (255, 0, 0), 2)point = (x, y-5)print(result)text = "True"if result < 0.3:text = "False"font = cv2.FONT_HERSHEY_SIMPLEXcv2.putText(img=img_bgr, text=text, org=point, fontFace=font, fontScale=0.9, color=(0, 0, 255),thickness=2, lineType=cv2.LINE_AA)else:font = cv2.FONT_HERSHEY_SIMPLEXcv2.putText(img=img_bgr, text=text, org=point, fontFace=font, fontScale=0.9,color=(0, 255, 0), thickness=2, lineType=cv2.LINE_AA)cv2.imshow('img_rgb', img_bgr)key = cv2.waitKey(1)if key & 0xFF == 27:breakcv2.imshow('img_rgb', img_bgr)key = cv2.waitKey(1)if key & 0xFF == 27:breakcap.release()cv2.destroyAllWindows()

用于检测人脸的xml文件在这里：

https://github.com/ee09115/spoofing_detection/tree/master/python_scripts

结果展示：

检测时画面很流畅，非常完美！ღ( ´･ᴗ･` )

该博客如果对您有帮助的话，可以点个小心心噢 ღ( ´･ᴗ･` )