如果您的需求是与人脸比对、人脸实名认证、在线图片活体检测API搭配使用，请获取最新版本SDK及示例工程。

人脸识别的应用场景，核心可以分为三大类：

1. 权威数据源身份核验：即人脸实名认证，基于姓名、身份证号码、现场采集的人脸图片，判断三个要素信息的一致性，判断你是你，通常用于需要验证用户身份真实性的场景，如。
2. 身份识别：即识别，判断两张脸的相似度，判断你是你，通常用于需要验证用户身份真实性的场景。
3. 活体检测：即，基于单张图片，判断图片中的人脸是否为二次翻拍。

而以上场景的几乎所有业务过程，核心可以分为两个步骤：

1. 人脸采集：人脸识别的前置步骤，即获取到人脸图片，用于对比、识别、属性分析等操作。
2. 人脸分析：包括人脸图片的加工处理，特征抽取与对比，结果返回等一系列操作，也是通常理解为的人脸识别操作。

要想确保人脸识别的应用效果得到保障，最为核心的一个环节即人脸的获取，即人脸采集。目前市面上所有人脸识别应用落地，面临的主要问题就是应用环境复杂，包括光照、遮挡、作弊攻击等一系列环境因素干扰，涉及产品策略、硬件选型、施工方案等多个维度地综合作用，才能不断提升最终效果。

为了更好地帮助您完成人脸采集步骤，下文将详细介绍采集过程中的一些SDK、API、硬件相关内容，希望对您的人脸识别集成有所帮助。

采集SDK本身仅对动作等行为进行活体校验，验证用户所做动作是否符合要求。针对手机翻拍、PS照片，头模攻击等行为，需配合云端活体检测算法模型共同使用，才可达到最优拦截效果。百度公有云的接口、、等都包含云端活体检测模型，请在云端接口调用时，选择liveness_control的阈值（建议值为NORMAL）进行控制。

目录导览如下，文档内容较长，但前后具备相关性，建议顺序阅读。

如果在阅读文档后，对内容有任何疑问，可以通过以下几种方式联系我们：

• 在百度云控制台内 ，咨询问题类型请选择人工智能服务。
• 如有问题讨论，可以进入 随时提问，和其他开发者一同交流。

磨刀不误砍柴工，在正式讲解人脸采集细节前，让我们先梳理下必要的前置准备工作。

在进入实际开发前，请先阅读 ，指南中详细地讲解了开放平台账号及应用的创建及管理操作。

新手指南中主要讲解三件事情：

1. 准备账号：可以为百度账户或者推广账户，如果首次使用，需要先做以下开发者认证（验证下手机号，很快的）。这是您使用API接口、SDK管理、付费等操作的主体。
2. 创建应用：在人脸识别后台的应用列表中操作，创建一个应用，会对应生成AppID、API-Key、Secret-Key，这是应用的唯一标识，是您调用API接口的基本操作单元（主要用于权限配置、应用高级配置等）。
3. 生成签名：也称为Access_token，是调用API时的鉴权凭证，具体可参考 。

以上三项事宜是使用公有云服务的必备步骤，也是后续很高频使用的内容。

客户端SDK将人脸采集这个步骤放到前端解决。内部封装了离线人脸检测、跟踪、质量校验、图片捕捉功能，但权威数据源核验、1：1、1：N识别还需调用在线API接口。

目前对外开放iOS、Android两个版本，客户端SDK需要 ，流程分为以下几步：

1. 完成企业认证（营业执照信息认证）
2. 方案管理-新建APP方案
3. 配置方案，下载示例工程

完成后，您即可下载SDK及官方提供的示例工程源码。

SDK默认配备4个产品线授权数量（产品线指：基于应用维度，如一款APP即为一条产品线，如手机百度 iOS/Android APP，依据为Bundle ID或者Package name），4个授权基本可以满足大部分的产品业务需求，如果需要更多的产品线授权，请。

SDK的使用，涉及有效期，有效期过后，SDK本地功能将会不可用，SDK会自动向百度服务器请求拉取最新的授权license，如果对这个产品线的授权在服务端操作了延期，则SDK会在过期后的第一次初始化时，自动更新本地license。

搭配人脸识别公有云API使用时，采集SDK为免费产品，在上线前请将产品授权替换为正式授权再发布上线，否则，C端用户在使用过程中，若直接上测试授权，授予过期后，需要在有网的条件下拉取线上的鉴权进行更新，会出现客户APP的网络出现异常的情况导致服务不可用。

实际使用中，方案的最终使用，都需要配合前端采集的硬件设备，目前对于常规人脸需求，几种选型方案如下：

• 手机：APP场景下的绝大部分使用场景，摄像头、屏幕、数据处理一体化，除了APP产品，也可以用于快速构建demo，验证业务流程的首选。

P.S. 人脸采集SDK为移动端人脸采集场景使用，支持iOS&Android手机系统，若您的场景为开发板以及一体机场景，建议申请，采集SDK不保证在非手机设备的适配性，不支持横屏，不涵盖后置摄像头场景。

以上仅为简单列举，后文会对硬件选型进行详细介绍。

人脸采集后，仅是在前端设备上拿到人脸图片，实际的权威数据源人脸实名认证、1：1人脸识别、1：N人脸搜索识别仍要通过API调用实现。

目前平台提供的接口分为以下几种：

• 在线图片活体：基于图片中的破绽分析，判断其中的人脸是否为二次翻拍（举例：如用户A用手机拍摄了一张包含人脸的图片一，用户B翻拍了图片一得到了图片二，并用图片二伪造成用户A去进行识别操作，这种情况普遍发生在金融开户、实名认证等环节）。；
• 人脸对比：比对两张图片中人脸的相似度，并返回相似度分值；支持生活照、证件照、带水印照等多种人脸图片类型；
• 人脸实名认证：可通过姓名+身份证号码+人脸图片请求权威数据源，判断用户是否为本人且为真人；

写在最前，采集SDK在本地会做质量校验，输出图片后，调用云端接口时，建议将云端接口的质量控制参数调整为NORMAL，不建议使用HIGH，避免采集SDK通过后，由于云端质量严格导致用户访问失败，重新录制，而降低用户体验。

人脸识别或对比的最终效果，取决于人脸在采集过程中，采集到的人脸是否符合标准质量要求。从业务使用角度，主要影响两个核心业务步骤：

1. 人脸注册环节：如果注册的人脸质量不佳，则会影响注册环节的特征抽取，导致原始注册的人脸信息较差，后面的识别/对比都会受到直接的影响，往往得到的相似度分值，将不会特别准确。
2. 人脸识别/对比环节：因为注册人脸质量不佳，每次的识别/对比都会存在一定的分值误差，往往造成明明是本人却过不去的情况。

人脸的质量检测，概括起来包括以下几点：

• 遮挡：指人脸各部位的遮挡比例；
• 模糊度：指人脸的清晰程度；
• 光照：指人脸的光照强度；
• 完整性：指图片中的人脸是否完整；

另外在实际采集过程中，也会将姿态作为一个重要控制指标：

• 姿态：指人脸在三维空间的角度分布；

人脸采集步骤，需要做好以上5项的条件判断，从而确保最终识别效果。

下面让我们一起详细看看这5个质量检测项：

人脸中各个部位的遮挡程度判断，区域可以分为：左眼、右眼、鼻子、左脸颊、右脸颊、嘴巴、下巴，共7个区域。通常某一个或者多个区域遮挡面积过大，会影响最终的识别效果，可以通过区域的遮挡值，在产品侧给用户比较明确的产品反馈提示，供用户参考调节。

每个区域的建议阈值选择如下：

说明：左右位置的表示，是以当前检测图片的方向确定。如实际场景中为人物的左脸颊，但是在分析时，则认为是右脸颊。

下面展示三个示例图片，用于理解遮挡的概念：

分析：脸颊有一定头发遮挡，但都在阈值范围内，整体问题不大。不过为了更好的识别效果，如果可以向用户反馈提示文案的话，可提示用户重新整理右脸颊侧的头发，并重新录入人脸。而文案触发机制可以设定一个更严格的产品自定义阈值。

分析：脸部各区域都些许遮挡，都未到达阈值，大小相对适中，不影响正常使用。对于识别精准度比较严格的场景，倒也可以提示重新录入。

分析：右眼明显遮挡严重，随是艺术照示意，但是在实际应用场景中，主要由于发型原因，存在很多眼镜部分被头发遮挡较严重的情况，产品应用时建议提示用户整理下头发再重试。

分析：因为戴墨镜，导致左右眼遮挡很大，这种情况可直接提示用户摘下眼镜，并重新录入一张。同理，对于口罩、长发等也可以如此操作。

人脸的模糊程度，取值范围：0~1，0是最清晰，1是最模糊，通常 小于0.7 即可认为是符合条件。

下面展示三个示例图片，用于理解模糊度的概念：

分析：模糊度极接近0，十分清晰，可放心使用。

【示例二：人脸些许模糊】

分析：模糊度接近于0，远小于0.7（建议的阈值），可放心使用。

【示例三：人脸十分模糊】

分析：模糊度接近于1，不可使用。这种情况通常为摄像头未对好焦距，如手机没有拿稳，或摄像头焦点主体错误，通常可提示用户保持身体稳定不动，正视镜头即可。

人脸部分光照的灰度值，反映脸部的光照情况，以及客户端SDK中，YUV的Y分量；取值范围[0~255]，0表示光照不好。人脸过暗对于识别会有显著影响，所以通常在所有质量校验中，要优先保持人脸的光照充足。

人脸采集过程中，常遇到的光线问题，一般分为以下几种:

以上问题，主要原因主要分为以下几种：

• 镜头对焦：因为镜头对焦问题，导致曝光不正常，往往人脸的光线过暗或过亮。
• 光源不足：往往导致脸部光线较暗。
• 光源角度：导致阴阳脸等光线分布严重不均匀的情况。

所有问题中，逆光往往是最严重的问题，大部分的人脸采集设备是在白天作业，摄像头在逆光情况下，采集到的脸部光照会很暗，导致识别不到人脸或者识别效果差。这种情况，通常可以有以下几种应对措施：

1. 补光灯：在摄像头旁边添加一个补光灯，用于提高脸部光线强度，此方案也可以同时保证夜间门禁等场景的光线问题；
2. 调整设备角度：在满足识别体验的角度情况下，避免镜头对着逆光位置（如阳光、室内大灯等）；

从接口返回值来看，推荐阈值如下：

下面展示一个例子，用于理解光照的概念：

分析：过暗的情况，人脸的识别往往存在误差，甚至识别不到，这种情况需要在采集设备周围增加补光设备。

分析：阴阳脸。往往是光源位置角度问题，导致某一边人脸光线明显不足，需要确保实际应用过程中，光线分布均匀。

姿态角分为Pitch、Roll、Yaw，用于表示人脸在空间三维坐标系内的角度，常用于判断识别角度的界限值。

Pitch：三维旋转之俯仰角度，范围：[-90（上）, 90（下）]，推荐俯仰角绝对值不大于20度；
Roll：平面内旋转角，范围：[-180（逆时针）, 180（顺时针）]，推荐旋转角绝对值不大于20度；
Yaw：三维旋转之左右旋转角，范围：[-90（左）, 90（右）]，推荐旋转角绝对值不大于20度；

各角度范围示意图如下：

从姿态角度来看，这三个值的绝对值越小越好，这样代表人脸足够正视前方，最利于实际注册/识别使用。

但在实际应用场景中，由于摄像头的布设位置，往往无法拿到正对人脸的图片，主要分为以下几种情况：

1. 监控摄像头：此类摄像头一般置于室内棚顶/室外架杆顶端，垂直向下倾斜一定角度，水平方向有一定的拍摄广度，一般Pitch和Yaw角度变化范围较大，所以采集到的人脸往往存在大量的俯角过大、侧脸等，导致识别效果不佳。这种情况通常是调整摄像头角度（摄像头与水平面夹角减小）、调整最小检测人脸（在行人靠近摄像头时尽可能早些拿到人脸）、增加摄像头数量（不同角度互相补充，避免采集死角），实际项目实施中，还是要通过实地考察，基于现场环境一点点调节摄像头角度；
2. 闸机/门禁：闸机方面，摄像头往往置于机器顶部，摄像头向上仰一定角度，通常低于平均成人身高，所以行人路过时，一般需要微微低头看闸机上的摄像头/屏幕，如果摆放不当，会造成采集到的人脸Pitch角度过大；门禁方面，摄像头往往置于成人身高平视高度，但多为门框侧面，如果行人朝向正门，侧面对视摄像头，如摆放不当，会造成采集的人脸Yaw角度过大。以上两种主要场景，需要基于实际场景情况动态调整安装位置，尽量避免角度过大的同时，避免用户动作不要太大。
3. USB摄像头：线下场景中，USB摄像头常用于近场场景录入人脸（如柜台、大屏、自助柜机等），这种情况下为了拿到角度最好的图片（用户正视屏幕），在应用UI方面做一个前置页面提示，往往能最小成本地提高操作标准度。

下面展示两个示例图片，用于理解姿态角的概念：

分析：通常线下应用过程中，难以获得相对正面的人脸图像，姿态判断需要作为一个标准的校验项。

分析：如果是将摄像头置于棚顶或室外高处，往往获取到的人脸图片，pitch值比较大，需要特别关注。

可以使用v3/detect接口中的qualities->completeness参数判断。此参数用于判断人脸完整度，返回只有0或1两种结果, 0为人脸溢出图像边界，1为人脸都在图像边界内。通过此参数可以简单判断人脸是否全部置于画面内，做一定的条件校验。

可以使用v3/detect接口中的qualities->type参数判断，此参数分为human和cartoon两个值，取值范围为[0~1]，置信度大于0.5即可判断为真人或者卡通。通过此参数可以简单判断画面中是否存在真实人脸，避免一些动画、素描、油画等人像的仿冒。

根据应用场景及安全性要求的不同，目前提供不同的活体检测算法和策略，具体包括：

• 实时炫瞳活体检测：通过屏幕上闪烁不同颜色的光线，判断当前用户是否真人操作。通过颜色活体进行面部反光鉴别的同时，百度特加入独有的瞳孔反光识别，提升整体的攻击拒绝率指标，此方式往往结合人脸实名认证、人脸比对、在线图片活体一起使用。
• 实时动作活体检测：通过要求用户配合做出一些面部动作，验证是否为身份伪造攻击，此方式往往结合人脸实名认证、人脸比对、在线图片活体一起使用。
• 静默图片活体检测：通过实时摄像头采集或提交图片，检测图片中的屏幕边框、反光、摩尔纹、成像畸变等线索，来区分是否为二次翻拍攻击（举例：如用户A用手机拍摄了一张包含人脸的图片一，用户B翻拍了图片一得到了图片二，并用图片二伪造成用户A去进行识别操作，这种情况普遍发生在金融开户、实名认证等环节），此方式往往结合人脸实名认证、人脸比对、在线图片活体一起使用。
• 视频活体检测：通过上传一段视频，进行视频随机抽帧分析，对随机图片进行静默图片活体检测，得出综合攻击情况分析结果。为确保视频唯一性，可以结合随机校验码接口使用，实现生成随机数字或随机动作，用户通过配合完成指令进行活体检测。

实际采集过程中，为了确保业务流程的合理性，需要确保采集的图片为真人操作，避免其他用户恶意伪造作弊。而以上几种活体检测策略，需要根据业务场景选择最合适的一个或组合方式。下面简单举例一些常见的活体攻击类型：

客户端采集SDK在前端离线随机通过屏幕上闪烁不同颜色的光线，判断当前用户是否真人操作。通过颜色活体进行面部反光鉴别的同时，百度特加入独有的瞳孔反光识别，提升整体的攻击拒绝率指标。需要强调的是，在此策略下，前端仅仅检测面部反光的情况，并不返回活体分数，或对视频和真人做出区分。在炫瞳活体检测的过程中，SDK会随机抓取图像，并在动作通过后将抓取的图像上传到后端服务器进行活体判断。

客户端采集SDK在前端离线随机要求用户配合做出眨眼、张嘴、点头、抬头、左摇头、右摇头动作，同时检测用户完成情况。需要强调的是，在此策略下，前端仅仅检测动作的通过情况，并不返回活体分数，或对视频和真人做出区分。在做动作的过程中，SDK会随机抓取图像，并在动作通过后将抓取的图像上传到后端服务器进行活体判断。

该方案的优势在于：随机动作可以增加攻击的成本，并且大大降低打印照片等攻击通过的概率，而这些正好对于后端检测算法来说属于较难案例。

有动作活体检测，不推荐单独使用，需要结合静默图片活体检测一起使用。对于APP场景，一般推荐都可以使用客户端SDK，增加有动作活体检测步骤，提升人脸验证过程的安全性。

该方案为接入成本最低的使用方式，只需提交一张人脸图片即可。但是活体检测的效果不是十分理想，主要是由于：区别于客户端随机抓拍的方式，H5拍照为主动有意识拍照，因此攻击者可以更加方便的设法减少出现后端算法判断的线索，并且在这个过程中用户可以调用后置摄像头进行拍照，前置摄像头和后置摄像头由于焦距的不同，会使后置摄像头拍摄的攻击图片更难分辨真假。另外，H5拍照只上传一张图片，增加了误判的可能性。

关于以上数值的概念介绍**：

• 拒绝率（TRR）：如99%，代表100次作弊假体攻击，会有99次被拒绝。
• 误拒率（FRR）：如0.5%，指1000次真人请求，会有5次因为活体分数低于阈值被错误拒绝。
• 通过率（TAR）：如99%，指100次真人请求，会有99次因为活体分数高于阈值而通过。
• 阈值（Threshold）：高于此数值，则可判断为活体。

客户端SDK，具备SDK本地的众多人脸采集相关功能，可以更高效准确地，实时采集到符合质量的人脸，配合摄像头等设备，能够快速构建实时人脸采集能力。

设备端离线实时监测视频流中的人脸，同时支持处理静态图片或者视频流。

对当前检测到的人脸持续跟踪，动态定位人脸轮廓，稳定贴合人脸。

对当前检测到的人脸持续跟踪，并动态实时展现人脸上的核心关键点。

在人脸检测及追踪过程中，完成人脸图片采集，并输出预设条件的人脸图片

在人脸检测及追踪过程中，实时校验人脸的姿态角度、遮挡、清晰度、光照条件，符合质量条件的才会被采集。

通过屏幕上闪烁不同颜色的光线，判断当前用户是否真人操作。通过颜色活体进行面部反光鉴别的同时，百度特加入独有的瞳孔反光识别，提升整体的攻击拒绝率指标。

实时反馈，人脸中眼睛，嘴巴，头部姿态的状态，通过给用户设定完成相关动作，判断是否是活体。支持指定生效的动作及应用顺序。

SDK内部支持高度可定制化参数，对人脸检测、追踪、采集、质量模块进行个性化调整。

SDK内部所有UI层代码、音频文件全部开源，可根据实际业务需求任意调整。

提供iOS、Android端，适应各种应用场景及设备类型需求。

• 支持纯人脸采集及做动作的采集场景。建议开启动作校验，可以提高人脸采集的安全程度。

客户端SDK中，内置了人脸质量检测模块。在人脸检测及追踪过程中，实时校验人脸的姿态角度、遮挡、清晰度、光照条件，符合质量条件的才会被采集，此质量校验为本地离线校验。

通过屏幕上闪烁不同颜色的光线，判断当前用户是否真人操作。通过颜色活体进行面部反光鉴别的同时，百度特加入独有的瞳孔反光识别，提升整体的攻击拒绝率指标。

客户端SDK，离线本地实时反馈，人脸中眼睛，嘴巴，头部姿态的状态，通过给用户设定完成相关动作，判断是否是活体。支持指定生效的动作及应用顺序。

在检测人脸过程中，可设置检测到的最小人脸尺寸，小于该尺寸或比例的人脸不会被检测到。

在检测人脸过程中，可设置采集图片时的人脸姿态角度阈值，阈值范围内才会采集人脸。

在检测人脸过程中，可设置人脸关于光照、清晰度、各部位遮挡的阈值，符合条件才会采集图片。

可设置采集人脸图片的数量、大小、以及人脸与图片的大小比例，超过图片边界将用黑色填充。

支持眨眼、张嘴、摇摇头、左右转头、上下点头六个指定动作，可设定具体生效的动作，以及校验顺序。

SDK本地采集人脸的过程，完全无需联网。但人脸对比、人脸搜索、人脸属性分析能力需要调用API使用。产品策略方面，因API使用需要使用在线鉴权token，生成token的API Key和Secret Key，考虑到数据安全和维护成本，建议都置于Server端，并下发token到客户端产品，实际的API调用，由Server端做中转控制。

SDK支持采集图片的大小设置，以及人脸和采集图片的比例设置，可基于业务需要，对采集图片大小进行适当地进一步加工。如剪裁（人脸不小于100px）、分辨率压缩（最小宽度200px左右）、质量压缩（控制在0.8以上），以上三种处理方式也可以组合叠加使用。

对安全有进一步需求的话，为防止人脸传输过程中被篡改，可对SDK本地输出的人脸图像做加密处理，在server端进行相应解密操作，进一步增强安全性。

可基于Phone形式，快速搭建人脸采集前端设备。摄像头实时输入视频流，对视频流中的人脸实时处理，并输出符合条件的人脸图片。

对于远程开户、刷脸登录、移动考勤等手机端场景，可将iOS/Android SDK集成到现有APP应用中，在设备端离线完成人脸采集，确保采集图片质量的同时，提供更加流畅的交互体验。也可以基于微信小程序，或者H5形式，完成业务快速落地。

暂无要求。需要注意的是需要根据业务特点，做好系统版本或者浏览器版本的兼容工作。