Принадлежность лица реальному человеку
В этом разделе вы узнаете, как интегрировать компонент Liveness Estimator в ваш проект на C++ или Python для оценки принадлежности лица реальному человеку ("живость").
2D RGB Оценка принадлежности лица реальному человеку (C++/Python)
1. Создание Liveness Estimator
1.1 Для создания Liveness Estimator, выполните шаги 1-3, описанные на странице Создание процессинг-блока и укажите следующие значения:
"LIVENESS_ESTIMATOR"
для ключа"unit_type"
;- Пустую строку
""
для ключа"model_path"
.
- C++
- Python
configCtx["unit_type"] = "LIVENESS_ESTIMATOR";
configCtx["model_path"] = "";
// опционально, значения по умолчанию указаны после знака "="
// пути указаны для примеров, расположенных в <sdk_dir>/bin
configCtx["sdk_path"] = "..";
configCtx["capturer_config_name"] = "common_capturer_uld_fda.xml";
configCtx["config_name"] = "liveness_2d_estimator_v3.xml";
configCtx["facerec_conf_dir"] = sdk_dir + "/conf/facerec";
configCtx["dll_path"] = "facerec.dll"; // для Windows
// или
configCtx["dll_path"] = sdk_dir + "/lib/libfacerec.so"; // для Linux
configCtx = {
"unit_type": "LIVENESS_ESTIMATOR",
"model_path": "",
# опционально, значения по умолчанию указаны после двоеточия
# пути указаны для примеров, расположенных в <sdk_dir>/bin
"sdk_path": "..",
"capturer_config_name": "common_capturer_uld_fda.xml",
"config_name": "liveness_2d_estimator_v3.xml",
"facerec_conf_dir": sdk_path + "/conf/facerec/",
"dll_path": "facerec.dll", # для Windows
# или
"dll_path": sdk_dir + "/lib/libfacerec.so" # для Linux
}
Списки существующих конфигурационных файлов можно найти в разделах:
- Конфигурационные файлы детекторов для ключа
"capturer_config_name"
; - Класс Liveness2DEstimator для ключа
"config_name"
.
1.2 Создание процессинг-блока Liveness Estimator:
- C++
- Python
pbio::ProcessingBlock livenessEstimator = service->createProcessingBlock(configCtx);
livenessEstimator = service.create_processing_block(configCtx)
2. Оценка лица
2.1 Создайте Context-контейнер ioData
для данных ввода-вывода, используя метод createContext()
:
auto ioData = service->createContext();
2.2 Создайте Context-контейнер imgCtx
с RGB-изображением, выполнив шаги, описанные на странице
Создание контейнера Context c RGB-изображением:
# копирование изображения в бинарный формат
input_rawimg = image.tobytes()
# помещение изображения в контейнер
imageCtx = {
"blob": input_rawimg,
"dtype": "uint8_t",
"format": "NDARRAY",
"shape": [dim for dim in img.shape]
}
2.3 Поместите исходное изображение в контейнер данных ввода-вывода:
- C++
- Python
ioData["image"] = imgCtx;
ioData = {"image": imgCtx}
2.4 Вызовите livenessEstimator
и передайте Context-контейнер ioData
, содержащий изображение:
- C++
- Python
livenessEstimator(ioData);
livenessEstimator(ioData)
Для точной оценки требуется присутствие в кадре лица только одного человека, смотрящего в камеру, иначе будет возвращен статус "MULTIPLE_FACE_FRAMED".
Если на изображении обнаружено несколько лиц, будет обработано только одно из них (порядок не гарантируется).
Метод livenessEstimator()
добавит результат обработки сэмплов (изображений) в контейнер ioData
.
Формат выходных данных представляет собой список объектов, доступный по ключу "objects"
.
Каждый объект списка имеет ключ "class"
со значением "face"
.
По ключу "liveness"
доступен объект Context, содержащий 3 элемента:
- ключ
"confidence"
со значением типа double в диапазоне [0,1] - ключ
"value"
со значением типа string, которое соответствует одному из состояний pbio::Liveness2DEstimator::Liveness - ключ
"info"
со значением типа string, которое соответствует одному из двух состояний: "REAL" или "FAKE"
/*
{
"objects": [{ "bbox": [x1, y2, x2, y2],
"class": "face",
"id": {"type": "long", "minimum": 0},
"liveness": {
"confidence": {"type": "double", "minimum": 0, "maximum": 1},
"info": {
"enum": ["FACE_NOT_FULLY_FRAMED", "MULTIPLE_FACE_FRAMED",
"FACE_TURNED_RIGHT", "FACE_TURNED_LEFT", "FACE_TURNED_UP", "FACE_TURNED_DOWN",
"BAD_IMAGE_LIGHTING", "BAD_IMAGE_NOISE", "BAD_IMAGE_BLUR", "BAD_IMAGE_FLARE",
"NOT_COMPUTED"]
},
"value": {
"enum": ["REAL", "FAKE"]
}
}
}]
}
*/
Примеры использования Liveness Estimator:
3. Ускорение на GPU
Процессинг-блок Liveness Estimator не поддерживает ускорение на GPU.