.NET基于虹軟人臉識別SDK 快速開發(fā)身份驗證和自助發(fā)卡應用

去年下半年開始，本人從B/S轉戰(zhàn)C/S開發(fā)，相繼做了大大小小一些項目。最近的一個應用是運輸車輛通行卡自助收發(fā)應用，并第一次用到了人臉識別功能。作為該領域的初學者，我摸索著把項目搞定了，也復盤了一些開發(fā)經驗，總結出來給其他在項目上初次應用人臉識別的朋友參考。

簡單來說，這個項目與社?？ㄗ灾l(fā)卡機、信用卡自助發(fā)卡機的原理有些類似，內容就是：

借助人臉識別和身份證讀取，進行人證核驗。身份核驗通過后，發(fā)卡機會匹配后端數(shù)據(jù)，并將取卡人、取卡時間、卡片權限等信息寫入卡片，隨后吐出卡片，用戶取卡可用于后續(xù)通行的操作。

關于發(fā)卡機部分，只需要把一些操作步驟進行封裝，通過串口發(fā)送命令就可以實現(xiàn)功能，身份證信息則通過讀卡器進行讀取。在開發(fā)的重點上，我把比較多的精力放在了初次嘗試的人臉識別功能上，基本流程如下圖：

進一步簡單描述一下項目背景和需求：

第一，之所以引入人臉識別，主要是為了保證本人取卡，專人?？?，避免代取和冒用，確保信息可準確回溯。

第2， 這個項目比較小，在人臉識別的功能上并沒有額外預算，所以首選免費的人臉識別算法。

第3， 項目地點的網絡環(huán)境比較差，為避免因為網絡故障導致無法取卡，優(yōu)先選擇可離線使用的人臉識別算法。

第四，因為是自助取卡機，周圍沒人看顧，為避免冒領，人臉識別算法需要加入活體檢測功能。

綜合以上幾點，我甄選之后采用了虹軟視覺開發(fā)平臺的ArcFace SDK。這款算法可以同時滿足免費使用、離線可用的需求，又自帶IR/RGB雙目活體檢測，可以高效、高質量的抵御假臉攻擊。另外，虹軟開發(fā)平臺最新出的ArcFace SDK 4.0版本，更新了針對佩戴口罩下的活體檢測和人臉識別功能。

另外，ArcFace SDK的使用也比較簡單。在官網注冊開發(fā)者之后，新建應用，就能得到全新的APP_ID和SDK_KEY，之后下載開發(fā)包配置到程序中。

人臉識別界面如下，左側是拍攝畫面，右邊是身份證照片以及識別反饋。

開發(fā)時用到了三個引擎，第一個是圖片模式下的人臉檢測引擎：

#region圖片引擎pImageEngine初始化//初始化引擎uintdetectMode=DetectionMode.ASF_DETECT_MODE_IMAGE;//檢測臉部的角度優(yōu)先值intdetectFaceOrientPriority=ASF_OrientPriority.ASF_OP_0_HIGHER_EXT;//人臉在圖片中所占比例，如果需要調整檢測人臉尺寸請修改此值，有效數(shù)值為2-32intdetectFaceScaleVal=16;//最大需要檢測的人臉個數(shù)intdetectFaceMaxNum=5;//引擎初始化時需要初始化的檢測功能組合intcombinedMask=FaceEngineMask.ASF_FACE_DETECT|FaceEngineMask.ASF_FACERECOGNITION|FaceEngineMask.ASF_AGE|FaceEngineMask.ASF_GENDER|FaceEngineMask.ASF_FACE3DANGLE;//初始化引擎，正常值為0，其他返回值請參考http://ai.arcsoft.com.cn/bbs/forum.php?mod=viewthread&tid=19&_dsign=dbad527eretCode=ASFFunctions.ASFInitEngine(detectMode,detectFaceOrientPriority,detectFaceScaleVal,detectFaceMaxNum,combinedMask,refpImageEngine);if(retCode==0){lbl_msg.Text=("圖片引擎初始化成功!\n");}else{lbl_msg.Text=(string.Format("圖片引擎初始化失敗!錯誤碼為:{0}\n",retCode));}#endregion

第二個是視頻模式下的人臉檢測引擎:

#region 視頻專用FR引擎

detectFaceMaxNum = 1;

combinedMask = FaceEngineMask.ASF_FACERECOGNITION | FaceEngineMask.ASF_FACE3DANGLE | FaceEngineMask.ASF_LIVENESS;

retCode = ASFFunctions.ASFInitEngine(detectMode, detectFaceOrientPriority, detectFaceScaleVal, detectFaceMaxNum, combinedMask, ref pVideoImageEngine);

Console.WriteLine("InitVideoEngine Result:" + retCode);

if (retCode == 0)

{

lbl_msg.Text = ("視頻專用FR引擎初始化成功!\n");

}

else

{

lbl_msg.Text = (string.Format("視頻專用FR引擎初始化失敗!錯誤碼為:{0}\n", retCode));

}

// 攝像頭初始化

filterInfoCollection = new FilterInfoCollection(FilterCategory.VideoInputDevice);

lbl_msg.Text = (string.Format("攝像頭初始化完成...\n"));

#endregion

第三個是視頻專用FR引擎，進行活體檢測：

#region 視頻專用FR引擎

detectFaceMaxNum = 1;

combinedMask = FaceEngineMask.ASF_FACERECOGNITION | FaceEngineMask.ASF_FACE3DANGLE | FaceEngineMask.ASF_LIVENESS;

retCode = ASFFunctions.ASFInitEngine(detectMode, detectFaceOrientPriority, detectFaceScaleVal, detectFaceMaxNum, combinedMask, ref pVideoImageEngine);

Console.WriteLine("InitVideoEngine Result:" + retCode);

if (retCode == 0)

{

lbl_msg.Text = ("視頻專用FR引擎初始化成功!\n");

}

else

{

lbl_msg.Text = (string.Format("視頻專用FR引擎初始化失敗!錯誤碼為:{0}\n", retCode));

}

// 攝像頭初始化

filterInfoCollection = new FilterInfoCollection(FilterCategory.VideoInputDevice);

lbl_msg.Text = (string.Format("攝像頭初始化完成...\n"));

#endregion

視頻處理使用的是AForge.Video 視頻處理類庫，然后在電腦上接上USB攝像頭，通過此類庫就可以調用攝像頭的開關了，至于具體的人臉識別要放在視頻流渲染事件上了。

首先將身份證放在身份證閱讀器上，獲取到身份信息，并把身份信息中的人臉照片拿出來作為人臉注冊照。利用ArcFcae SDK的相關接口，可以從注冊照中提取人臉識別特征值。

隨后，我們要從攝像頭的視頻流中獲取一幀圖片，作為識別照也進行人臉識別特征值提取。值得注意的是，ArcFcae本身支持多人臉識別，但由于人證核驗為1:1人臉識別，因此為了排除多余人臉的干擾，我們可以選取檢測到的最大人臉，進行特征值提取。

在獲得注冊照和識別照的特征值之后，就可以交給算法來做比對，得出一個相似度。注意，人臉識別算法是不會直接告訴你兩張照片是不是同一個人的，只會給出一個可能性。最終輸出的結果需要人為設置一個閾值，譬如相似度超過90%，我們就可以認定是同一個人。當然閾值也不是越高越好，具體設置需要根據(jù)項目的實際情況來做權衡。

到這一步功能就算基本跑通了，但活體檢測功能還沒有加入。缺乏活體檢測的話，使用身份證照片、紙質打印照片甚至手機屏幕上的照片都能通過人臉識別。

所以說，在自助設備這類無人值守場景下，活體檢測基本上不可或缺。虹軟ArcFace自帶的活體檢測有單目RGB活體檢測和IR雙目紅外活體檢測兩種。我因為只用了普通的RGB攝像頭，所以采用單目RGB活體檢測，這種算法主要分析采集摩爾紋、成像畸形、反射率等人像破綻，從而獲得活體檢測所需要的識別信息，對屏幕成像和紙張照片類攻擊有著良好防御性。

多說一句，IR雙目紅外活體中會加入了紅外攝像頭，防攻擊效果是更好的，不過這個項目暫時沒有這么高的需求。

int retCode_Liveness = -1;

//RGB活體檢測

ASF_LivenessInfo liveInfo = FaceUtil.LivenessInfo_RGB(pVideoImageEngine, imageInfo, multiFaceInfo, out retCode_Liveness);

//判斷檢測結果

if (retCode_Liveness == 0 && liveInfo.num > 0)

{

int isLive = MemoryUtil.PtrToStructure(liveInfo.isLive);

isLiveness = (isLive == 1) ? true : false;

}

if (isLiveness)//活體檢測成功

在加入活體檢測之后，整個人臉識別的流程基本就完整了。我發(fā)現(xiàn)在進行完所有流程后，還需要進行引擎的釋放，否則每次初始化一個引擎大概會需要50M左右的內存，多次操作之后就會出現(xiàn)因為內存泄漏而導致閃退的現(xiàn)象。

這個做法能達到目的，但是比較僵硬，在咨詢虹軟開放平臺的技術專家后，我發(fā)現(xiàn)應該根據(jù)實際業(yè)務需求，在程序啟動時，有選擇的初始化對應的算法屬性，避免在運行中多次做初始化和反初始化的操作，否則會導致資源波動過大以及產生內存碎片。引擎在程序結束或當前界面關閉時釋放即可。

總體而言比較順利，雖然是第一次集成人臉識別，這可能和ArcFace容易上手也有關系。希望這篇內容能對大家有幫助。

GitHub已開源：https://github.com/yumaster/ReceiveCardAIO