,实际操作中根据需要执行) # in :install, 安装某个模块,名称不区分大小写 python install.py in openresty Step4:验证服务部署成功 基础应用健康检查 应用健康检查(或故障排查)脚本: trouble_shooting.tar 脚本能力:鉴权服务健康检测
业务逻辑 上述能力,人脸实名认证能力为必选能力,质量检测、活体检测、图片加密及风控为可选能力,验证顺序为 人脸质量检测 -> 活体检测 -> 人脸实名认证 。 如选择了质量检测和活体检测能力,则有任意一个条件不通过,整个请求流程终止,并返回错误码,描述具体的不符合信息 。 基于此顺序串行验证逻辑,可以避免大量不符合条件的请求流转到人脸实名认证,节约您的成本。
对所有图片都会做改处理) image_liveness 否 string faceliveness,faceliveness - 对比对的两张图片都做活体检测 ,faceliveness - 对第一张图片不做活体检测、第二张图做活体检测faceliveness, - 对第一张图片做活体检测、第二张图不做活体检测 返回的活体信息,“faceliveness,faceliveness” 表示对比对的两张图片都做活体检测
16 3.1.1 人脸检测track接口(传入图片) 17 3.1.2 人脸检测track接口(传入二进制图片buffer) 18 3.1.3 人脸检测track_max_face接口 19 3.1.4 人脸检测track_max_face接口(传入二进制图片buffer) 20 3.1.5 人脸检测设置接口 21 3.1.6 USB摄像头检测 22 3.1.7 人脸检测track接口(传入opencv
12 2.6 人脸跟踪-最大人脸接口 13 2.7 人脸跟踪-第一个人脸接口 14 2.8 人脸跟踪-多人脸检测 15 2.9 人脸图像质量检测 16 2.10 检测方法类型设置 17 2.11 人脸图片信息清理 18 3、FaceLive-活体接口 19 3.1 活体模型加载 20 3.2 人脸静默活体检测-RGB可见光 21 3.3 人脸静默活体检测-NIR近红外或Depth深度图 22 4、FaceFeature
质量判断 为了保证识别效果,请控制注册人脸的质量(通过 /detect 人脸检测接口判断),通过人脸检测接口,基于以下字段和对应阈值,进行质量检测的判断,以保证人脸质量符合后续业务操作要求,具体参数可详见下表所示: 指标 字段与解释 推荐数值界限 遮挡范围 occlusion (0~1),0为无遮挡,1是完全遮挡 含有多个具体子字段,表示脸部多个部位 通常用作判断头发、墨镜、口罩等遮挡 left_eye
业务逻辑 上述三项能力为顺序串行验证,接口默认返回权威数据源身份对比分值,质量检测和活体检测为可选项。如选择了这两项,则验证顺序为 人脸质量检测 -> 活体检测 -> 人脸实名认证 。您也可以根据业务场景,选择这两项中的某一项或都不选择。 如选择了前两个环节,则有任意一个条件不通过,则整个请求流程终止,并返回错误码,描述具体的不符合信息 。
分别用来实现「权威数据源身份信息核验」、「本地图片无源比对」以及「仅活体检测」,适用于不同的业务场景需要。
分别用来实现「权威数据源身份信息核验」、「本地图片无源比对」以及「仅活体检测」,适用于不同的业务场景需要。
quality_control 否 string 质量控制 NONE : 不进行控制 LOW :较低的质量要求 NORMAL : 一般的质量要求 HIGH : 较高的质量要求 默认NONE face_location 否 string 当图片中检测到多张人脸时,使用此参数来指定图片中需要编辑的人脸位置