这篇文章将为大家详细讲解有关如何解析利用人脸识别SDK实现人证比对全过程，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。
人证比对在如今的社会中随处可见，如高铁、飞机、酒店入住、甚至景区入口都可以看到各种各样的人证应用，人脸识别SDK的也如雨后春笋一般层出不穷，如百度、商汤、Face++、虹软等。在尝试使用各家的SDK之后，最让我青睐的要数虹软科技的SDK了，最直接的一个原因就是虹软承诺永久免费。我从2.0版本开始就在使用了，实测效果确实不错，就在上个月收到消息ArcFace3.0更新了，作为一个白嫖党自然不会错过这次的更新，在上手了3.0 之后，发现ArcFace 3.0有以下新特性。
特征比对支持比对模型选择，有生活照比对模型和人证比对模型
Android平台新增64位的SDK
新增了一种图像数据传入方式
1.业务自由度变高
以人证 2.0为例，我们只能传入数据、传出结果，而一些中间产物，例如人脸特数据征就获取不到了。现在采用ArcFace 3.0之后，取消了固定的流程，检测、比对、提取等流程都可以由自己控制。
2.可以在同一个工程内实现生活照比对与人证比对
人证 SDK与ArcFace SDK 存在冲突，无法同时使用，若我们既想用人证又想用生活照，就要写两个工程，并且两个工程的流程还有些不同。而现在只需要接口内选择模型就可以实现模型的切换，完全可以在一个工程内实现人证与生活照程序的集成。
3.代码复用性
ArcFace 3.0中人证与身份证区别只有compare接口中的模型选择，其他完全一致，因此大部分的代码都可以复用，大大提高了开发的效率。
1.接口变动
万事有得必有失，由于ArcFace 3.0没有关于人证部分的封装，致使在升级过程中所有的接口都需要变更，相信也是所有程序员都不愿意看到的问题。
2.实现变困难
同样由于ArcFace 3.0没有关于人证部分的封装，使得原本接口中自带的一些流程与回调需要自己来实现，这对于刚上手的人来说，不是十分友好。
虽然上面说了一些ArcFace 3.0的缺点，但是我本人还是很赞成这次的升级，毕竟每个产品的革新总会带来一些冲击，但是相对于这些冲击来说，我相信接口、识别流程的统一为程序的适用性与业务的自由性都提高了，相信对于人证2.0来说这次“壮士断腕”的举措长远来看是值得的。
在上面我们看到了由于接口的变动，致使人证2.0程序所有的接口都要修改，接下来我将以 人证2.0 Demo为例,讲解一下我是如何使用ArcFace 3.0 SDK进行升级的。
考虑到可能有些用户对人证 2.0 Demo不太熟悉，先简单介绍一下官方Demo如何配置使用。
首先，先将人证引擎如图所示放入demo内，接下来修改Constants内的APP_ID与SDK_KEY,APP_ID与SDK_KEY以及人证引擎均由官网的
开放平台上进行获取。然后在设备的SDCard根目录下放置一张命名为“sample.jpg”的图片做为模拟人证输入的图片(图片路径可以在MainActivity下的SAMPLE_FACE变量内进行修改)，下图为配置完毕后运行的截图。
首先我们要先获取ArcFace3.0的SDK，同样可以在 开放平台上进行获取。用新的SDK库替换掉原本的SDK，替换后的项目目录如下图所示
上面提到了，由于3.0的全面变更，所有的接口全部都发生了改变，因此我们要把原本2.0的接口全部替换为3.0。
激活方面接口参数没有任何变化
人证 2.0 :
IdCardVerifyManager.getInstance().active(Context context, String appId, String sdkKey);
ArcFace 3.0 :
FaceEngine.active(Context context, String appId, String sdkKey);
从初始化开始，人证 2.0与ArcFace3.0接口有了较大的区别，人证 2.0有对Id Card信息与Camera信息监听，而3.0取消了这个监听机制，接口内的参数就不一一介绍了， 官方文档介绍的非常详细，大家可以去参考一下官方文档。
人证 2.0 :
IdCardVerifyManager.getInstance().init(Context context, IdCardVerifyListener listener)
ArcFace 3.0 :
FaceEngine.init(Context context, DetectMode detectMode, DetectFaceOrientPriority detectFaceOrientPriority, int detectFaceScaleVal, int detectFaceMaxNum, int combinedMask)
下面是我对2.0进行替换后的前后代码，可以给大家做一个参考：
人证 2.0 :
private void initEngine() {
int result = IdCardVerifyManager.getInstance().init(this, idCardVerifyListener);
LogUtils.dTag(TAG, "initResult: " + result);
if (result == IdCardVerifyError.MERR_ASF_NOT_ACTIVATED) {
Executors.newSingleThreadExecutor().execute(new Runnable() {
@Override
public void run() {
int activeResult = IdCardVerifyManager.getInstance().active(
MainActivity.this, APP_ID, SDK_KEY);
runOnUiThread(new Runnable() {
@Override
public void run() {
LogUtils.dTag(TAG, "activeResult: " + activeResult);
if (activeResult == IdCardVerifyError.OK) {
int initResult = IdCardVerifyManager.getInstance().init(
MainActivity.this, idCardVerifyListener);
LogUtils.dTag(TAG, "initResult: " + initResult);
if (initResult != IdCardVerifyError.OK) {
toast("人证引擎初始化失败，错误码: " + initResult);
}
} else {
toast("人证引擎激活失败，错误码: " + activeResult);
}
}
});
}
});
} else if (result != IdCardVerifyError.OK) {
toast("人证引擎初始化失败，错误码: " + result);
}
}ArcFace 3.0 :
private void initEngine() {
int result = faceEngine.init(this, DetectMode.ASF_DETECT_MODE_VIDEO, DetectFaceOrientPriority.ASF_OP_ALL_OUT, 16, 1,
FaceEngine.ASF_FACE_DETECT | FaceEngine.ASF_FACE_RECOGNITION);
LogUtils.dTag(TAG, "initResult: " + result);
if (result == ErrorInfo.MERR_ASF_NOT_ACTIVATED) {
Executors.newSingleThreadExecutor().execute(() -> {
int activeResult = FaceEngine.active(
MainActivity.this, Constants.APP_ID, Constants.SDK_KEY);
runOnUiThread(() -> {
LogUtils.dTag(TAG, "activeResult: " + activeResult);
if (activeResult == ErrorInfo.MOK) {
int initResult = faceEngine.init(this, DetectMode.ASF_DETECT_MODE_VIDEO, DetectFaceOrientPriority.ASF_OP_ALL_OUT, 16, 1,
FaceEngine.ASF_FACE_DETECT | FaceEngine.ASF_FACE_RECOGNITION);
LogUtils.dTag(TAG, "initResult: " + initResult);
if (initResult != ErrorInfo.MOK) {
toast("人证引擎初始化失败，错误码: ", initResult));
}
} else {
toast("人证引擎激活失败，错误码: ", activeResult));
}
});
});
} else if (result != ErrorInfo.MOK) {
toast("人证引擎初始化失败，错误码: " , result));
}
}证件照部分我们需要将原本2.0的引擎自带的图像处理方法换成3.0包内的ArcSoftImageUtil的方法，同时由于特征提取成功后的回调监听从引擎内删除掉了，所以这个回调需要自己来写，这里我偷了一下懒，抄了一下人证 2.0 demo与3.0 demo中均有的faceHelper中的FaceListener作为监听回调，当然大家也可以自己实现回调。
人证 2.0 ：
private void inputIdCard() {
if (bmp == null) {
return;
}
int width = bmp.getWidth();
int height = bmp.getHeight();
//图像裁剪
boolean needAdjust = false;
while (width % 4 != 0) {
width--;
needAdjust = true;
}
if (height % 2 != 0) {
height--;
needAdjust = true;
}
if (needAdjust) {
bmp = ImageUtils.imageCrop(bmp, new Rect(0, 0, width, height));
}
//转换为NV21数据格式
byte[] nv21Data = ImageUtils.getNV21(width, height, bmp);
//身份证图像数据输入
DetectFaceResult result = IdCardVerifyManager.getInstance().inputIdCardData(
nv21Data, width, height);
LogUtils.dTag(TAG, "inputIdCardData result: " + result.getErrCode());
}ArcFace 3.0 ：
private void inputIdCard() {
if (bmp == null) {
return;
}
//图像4字节对齐 裁剪
bmp = ArcSoftImageUtil.getAlignedBitmap(bmp, true);
int width = bmp.getWidth();
int height = bmp.getHeight();
//转换为bgr格式
byte[] bgrData = ArcSoftImageUtil.createImageData(bmp.getWidth(), bmp.getHeight(), ArcSoftImageFormat.BGR24);
int translateResult = ArcSoftImageUtil.bitmapToImageData(bmp, bgrData, ArcSoftImageFormat.BGR24);
//转换成功
if (translateResult == ArcSoftImageUtilError.CODE_SUCCESS) {
List<FaceInfo> faceInfoList = new ArrayList<>();
//video模式不适合静态图片检测，这里新建了一个idFaceEngine 除了检测模式修改为Image其他参数与faceEngine一样
int detectResult = idFaceEngine.detectFaces(bgrData, width, height, FaceEngine.CP_PAF_BGR24, faceInfoList);
if (detectResult == ErrorInfo.MOK && faceInfoList.size() > 0) {
//这里的-2为trackID 因为Camera与证件照提取共用faceHelper 用trackID区分是哪边来的数据
faceHelper.requestFaceFeature(bgrData, faceInfoList.get(0), width, height, FaceEngine.CP_PAF_BGR24, -2);
}
} else {
LogUtils.dTag(TAG, "translate Error result: " + translateResult);
}
}人证2.0的onPreviewData接口内部其实是存在一个特征提取保护，即上一个特征提取未完成前，不能进行下一个特征提取，但是在3.0没有外部的封装了，所以我们要自己来进行特征提取的控制，基础的策略就是根据trackId，每一个trackId若未进行提取或提取失败才会进行特征提取。
人证 2.0 ：
public void onPreview(byte[] nv21, Camera camera) {
if (faceRectView != null) {
faceRectView.clearFaceInfo();
}
if (nv21 == null) {
return;
}
//预览数据传入
DetectFaceResult result = IdCardVerifyManager.getInstance().onPreviewData(nv21,
previewSize.width, previewSize.height, true);
Rect rect = result.getFaceRect();
if (faceRectView != null && drawHelper != null && rect != null) {
//生成实时人脸框
drawHelper.draw(faceRectView, new DrawInfo(drawHelper.adjustRect(rect), "", Color.YELLOW));
}
}ArcFace 3.0 ：
public void onPreview(byte[] nv21, Camera camera) {
if (faceRectView != null) {
faceRectView.clearFaceInfo();
}
if (nv21 == null) {
return;
}
List<FaceInfo> faceInfoList = new ArrayList<>();
int ftResult = faceEngine.detectFaces(nv21, previewSize.width, previewSize.height, FaceEngine.CP_PAF_NV21, faceInfoList);
//人证比对场景下只有最大人脸有效，因此直接取第一个人脸即可，若有其他场景可以自行调整
if (ftResult == ErrorInfo.MOK && faceInfoList.size() > 0) {
Rect rect = faceInfoList.get(0).getRect();
if (faceRectView != null && drawHelper != null && rect != null) {
drawHelper.draw(faceRectView, new DrawInfo(drawHelper.adjustRect(rect), "", Color.YELLOW));
}
//等待身份证数据准备完毕后，才开始对Camera的数据进行特征提取 并根据trackId防止重复提取
int trackId = faceInfoList.get(0).getFaceId();
if (isIdCardReady && requestFeatureStatusMap != null && requestFeatureStatusMap.containsKey(trackId)) {
//若一个人脸提取失败则进行重试
if (requestFeatureStatusMap.get(trackId) == null || requestFeatureStatusMap.get(trackId) == RequestFeatureStatus.FAILED) {
requestFeatureStatusMap.put(trackId, RequestFeatureStatus.SEARCHING);
faceHelper.requestFaceFeature(nv21, faceInfoList.get(0), previewSize.width, previewSize.height, FaceEngine.CP_PAF_NV21, faceInfoList.get(0).getFaceId());
}
}
}
}上文我们已经提到过，人证 2.0的引擎内对camera数据idCard数据分别有两个接口作为区分，同时有两个回调函数分别用于两个数据的处理。而ArcFace3.0时不仅取消了回调，而且camera数据idCard数据共用一个detect、extractFaceFeature，所以我们可以采用trackId来作为区分,并且因为引擎的变化，引擎内不再存储特征值，导致我们需要记录两个数据源处获得的特征值。
人证 2.0 ：
private IdCardVerifyListener idCardVerifyListener = new IdCardVerifyListener() {
@Override
public void onPreviewResult(DetectFaceResult detectFaceResult, byte[] bytes, int i, int i1) {
runOnUiThread(() -> {
//预览人脸特征提取成功
if (detectFaceResult.getErrCode() == IdCardVerifyError.OK) {
isCurrentReady = true;
compare();
}
});
}
@Override
public void onIdCardResult(DetectFaceResult detectFaceResult, byte[] bytes, int i, int i1) {
LogUtils.dTag(TAG, "onIdCardResult: " + detectFaceResult.getErrCode());
runOnUiThread(() -> {
//身份证人脸特征提取成功
if (detectFaceResult.getErrCode() == IdCardVerifyError.OK) {
isIdCardReady = true;
restartHandler.removeCallbacks(restartRunnable);
readHandler.postDelayed(readRunnable, READ_DELAY);
ByteArrayOutputStream baos = new ByteArrayOutputStream();
bmp.compress(Bitmap.CompressFormat.PNG, 80, baos);
byte[] bmpBytes = baos.toByteArray();
Glide.with(MainActivity.this).load(bmpBytes).into(ivIdCard);
compare();
}
});
}
};ArcFace 3.0 ：
FaceListener faceListener = new FaceListener() {
@Override
public void onFail(Exception e) {
}
@Override
public void onFaceFeatureInfoGet(@Nullable FaceFeature faceFeature, Integer requestId, Integer errorCode, long frTime, byte[] nv21) {
//特征提取失败 将比对状态置为失败
if (ErrorInfo.MOK != errorCode) {
requestFeatureStatusMap.put(requestId, RequestFeatureStatus.FAILED);
return;
}
//requestId 为-2则为身份证数据
if (requestId == -2) {
isIdCardReady = true;
//由于接口变更feature不能在引擎内存储 所以用全局变量进行存储
idFaceFeature = faceFeature;
restartHandler.removeCallbacks(restartRunnable);
readHandler.postDelayed(readRunnable, 5000);
ByteArrayOutputStream baos = new ByteArrayOutputStream();
bmp.compress(Bitmap.CompressFormat.PNG, 100, baos);
runOnUiThread(() -> {
Glide.with(MainActivity.this).load(bmp).into(ivIdCard);
compare();
});
} else {
//由于接口变更feature不能在引擎内存储 所以用全局变量进行存储
MainActivity.this.faceFeature = faceFeature;
isCurrentReady = true;
runOnUiThread(() -> {
compare();
});
}
}
};比对接口相对于之前的来说改动就小很多了，只需要注意一下将比对模式修改为ID_CARD模式即可。
人证 2.0 ：
private void compare() {
//.......
//人证特征比对接口
CompareResult compareResult = IdCardVerifyManager.getInstance().compareFeature(THRESHOLD);
LogUtils.dTag(TAG, "compareResult: result " + compareResult.getResult() + ", isSuccess "
+ compareResult.isSuccess() + ", errCode " + compareResult.getErrCode());
if (compareResult.isSuccess()) {
playSound(R.raw.compare_success);
ivCompareResult.setBackgroundResource(R.mipmap.compare_success);
tvCompareTip.setText(name);
} else {
playSound(R.raw.compare_fail);
ivCompareResult.setBackgroundResource(R.mipmap.compare_fail);
tvCompareTip.setText(R.string.tip_retry);
}
//.......
}ArcFace 3.0 ：
private void compare() {
//.......
//人证特征比对接口
FaceSimilar compareResult = new FaceSimilar();
faceEngine.compareFaceFeature(idFaceFeature, faceFeature, CompareModel.ID_CARD, compareResult);
//人证比对阈值为0.82
if (compareResult.getScore() > 0.82) {
playSound(R.raw.compare_success);
ivCompareResult.setBackgroundResource(R.mipmap.compare_success);
tvCompareTip.setText(name);
} else {
playSound(R.raw.compare_fail);
ivCompareResult.setBackgroundResource(R.mipmap.compare_fail);
tvCompareTip.setText(R.string.tip_retry);
}
//.......
}至此只要将人证 2.0 demo无用的代码删除掉，我们就将2.0成功升级为3.0了，让我们看看部队成功后的运行截图。
相比较于将人证 2.0升级为将ArcFace3.0来说，直接在将ArcFace3.0版本上进行修改可简单太多了，毕竟不用将所有的接口全部都更改一遍，我们需要做的就只是增加人证部分的输入，人证部分的回调以及比对的逻辑。因此在这里我强烈推荐直接上手ArcFace3.0，如果不是有特殊原因修改3.0可比人证2.0快太多了。
首先我们要选择demo中的一个Activity做为我们修改的模板，我看了一下RegisterAndRecognizeActivity是我认为最为合适的了，因为它的Camera的比对流程已经全部完成了，我们需要做的就是两点：
增加Id Card数据输入源
Id Card数据输入源我们采用与人证demo相同的方式模拟证件信息传入，因此可以完全套用inputIdCard方法。
public void onClickIdCard(View view) {
//模拟身份证姓名，可修改
FileInputStream fis;
//身份证图像数据
bmp = null;
try {
//模拟身份证图像数据来源，可修改
fis = new FileInputStream(SAMPLE_FACE);
bmp = BitmapFactory.decodeStream(fis);
fis.close();
} catch (Exception e) {
e.printStackTrace();
}
inputIdCard();
}
private void inputIdCard() {
if (bmp == null) {
return;
}
//图像4字节对齐 裁剪
bmp = ArcSoftImageUtil.getAlignedBitmap(bmp, true);
int width = bmp.getWidth();
int height = bmp.getHeight();
//转换为bgr格式
byte[] bgrData = ArcSoftImageUtil.createImageData(bmp.getWidth(), bmp.getHeight(), ArcSoftImageFormat.BGR24);
int translateResult = ArcSoftImageUtil.bitmapToImageData(bmp, bgrData, ArcSoftImageFormat.BGR24);
//转换成功
if (translateResult == ArcSoftImageUtilError.CODE_SUCCESS) {
List<FaceInfo> faceInfoList = new ArrayList<>();
//video模式不适合静态图片检测，我们选择frEngine 作为检测证件照的引擎 初始化时要增加 FaceEngine.ASF_FACE_DETECT 哦
int detectResult = frEngine.detectFaces(bgrData, width, height, FaceEngine.CP_PAF_BGR24, faceInfoList);
if (detectResult == ErrorInfo.MOK && faceInfoList.size() > 0) {
//这里的-2为trackID 因为Camera与证件照提取共用faceHelper 用trackID区分是哪边来的数据
faceHelper.requestFaceFeature(bgrData, faceInfoList.get(0), width, height, FaceEngine.CP_PAF_BGR24, -2);
}
} else {
LogUtils.dTag(TAG, "translate Error result: " + translateResult);
}
}修改比对的底库
由于绝大部分场景下，人证比对都是1：1进行对比的，因而要在onFaceFeatureInfoGet回调内进行调整。首先通过我们在上面inputIdCard铺垫的以-2为trackID，作为标识身份证数据的手段。其次我们要记录一下要对比的身份证feature与camera下的人脸feature信息，这里我们采用全局变量的方式进行记录。最后由于比对的feature获取会有前后顺序区分，我们用一个状态位进行记录(当然也可以判断两个feature是否有数据，对此数据进行维护来进行两边数据的同步)，等待两边的数据都准备完毕后，就可以进行比对了。
public void onFaceFeatureInfoGet(@Nullable final FaceFeature faceFeature, final Integer requestId, final Integer errorCode) {
//FR成功
if (faceFeature != null) {
//接收身份证数据
if (requestId == -2) {
isIdCardReady = true;
//feature用全局变量进行存储
idFaceFeature = faceFeature;
compare();
return;
}
// Log.i(TAG, "onPreview: fr end = " + System.currentTimeMillis() + " trackId = " + requestId);
Integer liveness = livenessMap.get(requestId);
//不做活体检测的情况，直接搜索
if (!livenessDetect) {
isCurrentReady = true;
//防止对同一个人脸进行多次特征提取
requestFeatureStatusMap.put(requestId, RequestFeatureStatus.SUCCEED);
compare();
// searchFace(faceFeature, requestId);
}
//活体检测通过，搜索特征
else if (liveness != null && liveness == LivenessInfo.ALIVE) {
isCurrentReady = true;
//防止对同一个人脸进行多次特征提取
RegisterAndRecognizeActivity.this.faceFeature = faceFeature;
requestFeatureStatusMap.put(requestId, RequestFeatureStatus.SUCCEED);
compare();
// searchFace(faceFeature, requestId);
}
//活体检测未出结果，或者非活体，延迟执行该函数
else {
//......
}
}
//特征提取失败
else {
//.........
}
}
@Override
public void onFaceLivenessInfoGet(@Nullable LivenessInfo livenessInfo, final Integer requestId, Integer errorCode) {
//.....
}
};compare 函数：
private void compare() {
if (isCurrentReady && isIdCardReady) {
FaceSimilar similar = new FaceSimilar();
int compareResult = frEngine.compareFaceFeature(idFaceFeature, faceFeature, CompareModel.ID_CARD, similar);
if (compareResult == ErrorInfo.MOK && similar.getScore() > 0.82) {
Log.i(TAG, "compare: success");
} else {
Log.i(TAG, "compare: fail");
}
//比对完成后重置比对状态
isIdCardReady = false;
isCurrentReady = false;
//给同一个人脸若比对后仍想尝试，允许其进行特征提取
requestFeatureStatusMap.clear();
}
}使用ArcFace3.0进行修改，可以明显的感觉到修改“丝滑”了很多，我们在原代码的基础上只需要注意Id Card的数据输入，以及比对前后的逻辑即可，比对的难度几乎可以忽略不计，只是简单的调用接口而已。我这里也写的比较简单，有些业务逻辑如：增加身份证数据有效时间；规定双方数据强制的先后顺序；界面部分的展示都没有做，只打印了一下比对的结果。本文只提供思路给大家参考，业务逻辑还是需要自己添加，最后给大家看一下修改完成后运行比对成功的日志。
关于如何解析利用人脸识别SDK实现人证比对全过程就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
