去年下半年開始，本人從B/S轉戰C/S開發，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，這個項目與社保卡自助發卡機、信用卡自助發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，發卡機會匹配后端數據，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通行的操作。

　　關于發卡機部分，只需要把一些操作步驟進行封裝，通過串口發送命令就可以實現功能，身份證信息則通過讀卡器進行讀取。在開發的重點上，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?？ǎ苊獯『兔坝?，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， 項目地點的網絡環境比較差，為避免因為網絡故障導致無法取卡，優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，有效數值為2-32intdetectFaceScaleVal=16;//最大需要檢測的人臉個數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。我發現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因為內存泄漏而導致閃退的現象。

　　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，我發現應該根據實際業務需求，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