1.2.4.d3

活体检测

InspireFace 提供 RGB 活体检测和人脸动作分析。前者对人脸图像给出评分，后者观察连续帧中的动作。应用可以将这些信号用于核验流程，并根据实际摄像头配置采集规则和阈值。

选择输入与交互方式

Approach输入要求结果说明
RGB anti-spoofing从 RGB 摄像头图像中检测人脸。返回活体置信度分数。
Facial actions连续提交同一跟踪人脸的帧。返回睁闭眼分数，以及眨眼、摇头等动作事件。
Passive liveness [Plus]按引导完成短时采集。服务端返回这组采集图像的活体判断。
Flash liveness [Plus]采集与屏幕补光同步的图像序列。服务端返回这组采集图像的活体判断。

先获取清晰、尺寸足够、朝向正确且完整处于画面内的人脸，通过输入检查后，再执行所选的活体流程。

RGB 活体检测

创建会话时启用活体选项，调用分析流水线时再次请求该功能，返回结果与输入人脸顺序一致。原生头文件和库须匹配；Android 示例使用 Java 1.2.0。

C API

创建会话时启用 HF_ENABLE_LIVENESS。辅助函数在同一个有效图像流上完成检测和分析，需要包含 <stdio.h> 和 <inspireface.h>。

static HResult process_rgb_liveness(HFSession session, HFImageStream stream) {
    HFMultipleFaceData faces = {0};
    HResult status = HFExecuteFaceTrack(session, stream, &faces);
    if (status != HSUCCEED || faces.detectedNum == 0) return status;
    status = HFMultipleFacePipelineProcessOptional(
        session, stream, &faces, HF_ENABLE_LIVENESS);
    if (status != HSUCCEED) return status;
    HFRGBLivenessConfidence scores = {0};
    status = HFGetRGBLivenessConfidence(session, &scores);
    if (status != HSUCCEED) return status;
    for (HInt32 i = 0; i < faces.detectedNum && i < scores.num; ++i) {
        printf("face=%d liveness=%.4f\n", i, scores.confidence[i]);
    }
    return HSUCCEED;
}

C 接口使用带 HF_ENABLE_LIVENESS 的 HFMultipleFacePipelineProcessOptional，随后通过 HFGetRGBLivenessConfidence 读取结果。读取置信度数组前，先检查处理状态。

分数越高，越倾向于活体。结合目标相机选择判断阈值：采集真实人脸、打印照片和屏幕翻拍，覆盖实际光照、距离和图像质量，再根据误通过和误拒绝情况确定阈值。

视频中可以对同一跟踪目标最近一小段时间的分数做平滑，让显示更稳定。目标变化或跟踪丢失时清空窗口。

人脸动作分析

在跟踪会话中启用 HF_ENABLE_INTERACTION，连续送入帧。眨眼和头部动作通过连续帧中的状态变化识别。

C API

创建会话时使用 HF_ENABLE_INTERACTION | HF_ENABLE_FACE_POSE 和 HF_DETECT_MODE_LIGHT_TRACK，整个视频期间保留会话。姿态选项用于头部动作，动作模型同时提供眼部和嘴部状态。

static HResult process_actions(HFSession session, HFImageStream stream) {
    HFMultipleFaceData faces = {0};
    HResult status = HFExecuteFaceTrack(session, stream, &faces);
    if (status != HSUCCEED || faces.detectedNum == 0) return status;
    status = HFMultipleFacePipelineProcessOptional(
        session, stream, &faces, HF_ENABLE_INTERACTION);
    if (status != HSUCCEED) return status;
    HFFaceInteractionState eyes = {0};
    HFFaceInteractionsActions actions = {0};
    status = HFGetFaceInteractionStateResult(session, &eyes);
    if (status != HSUCCEED) return status;
    status = HFGetFaceInteractionActionsResult(session, &actions);
    if (status != HSUCCEED) return status;
    for (HInt32 i = 0; i < faces.detectedNum && i < actions.num && i < eyes.num; ++i) {
        printf("track=%d left=%.3f right=%.3f blink=%d shake=%d\n",
               faces.trackIds[i], eyes.leftEyeStatusConfidence[i],
               eyes.rightEyeStatusConfidence[i], actions.blink[i], actions.shake[i]);
    }
    return HSUCCEED;
}
Field说明
left_eye_status_confidence、right_eye_status_confidence接近 1 表示睁眼，接近 0 表示闭眼。
action_blink检测到眨眼事件。
action_shake检测到摇头事件。
action_jaw_open检测到张嘴动作。
action_head_raise检测到抬头动作。
action_normal模型报告的正常动作状态。

应用可以用这些事件推进动作提示：

  1. 等待一张稳定的人脸，选择下一个动作。
  2. 显示提示，并开始计时。
  3. 在时间窗口内，接受同一跟踪目标的对应事件。
  4. 超时、人脸变化或跟踪丢失时，清空本轮状态。

分别记录动作完成状态和活体判断结果，再按本轮核验规则处理。

依次提示人脸动作的摄像头交互流程
动作提示由应用推进，SDK 返回对应人脸的眼部状态和动作事件。

Android 示例包含 Silent liveness 评分页面和 Action liveness 动作核验流程。可以先安装体验应用，比较两种交互方式。

可选的 Plus 演示

Android 应用的 Anti-fraud 分类提供 Passive-RGB Liveness · PLUS 和 Color liveness · PLUS。两种方案都由移动端完成相机引导，再由在线服务验证：InspireFace 在设备上定位人脸和眼部关键点，应用采集完整的一轮数据，服务端返回活体结果。人脸识别和身份匹配仍是另外的处理步骤。

Android 演示使用以下采集方式：

Flow采集输入设备要求
Passive RGB同一张人脸的 20 个连续有效 RGB 帧。前置摄像头与网络连接。
Flash / Color白、红、绿、蓝每个光照阶段各采集一个样本。前置摄像头、兼容的传感器时间戳、曝光与白平衡锁定能力，以及网络连接。

安装 Android 示例后，进入对应的 PLUS 页面，阅读人脸数据说明并点击 Agree and enter，随后才会打开相机预览。让画面中唯一的一张人脸进入引导区域，保持稳定，再点击 Start verification。采集完成后，应用再上传序列。

被动 RGB 采集

被动采集保持屏幕的正常显示，只要求用户面向摄像头。它适合需要短序列输入、又希望省去动作挑战和屏幕补光变化的自拍核验流程。

用户在人脸引导框内保持稳定，完成被动活体采集
移动端负责取景引导，完整序列采集后统一提交，取得一次验证结果。

输入序列需要保持连续。演示收集同一跟踪人脸的 20 个有效帧，要求相机帧序号和时间戳递增。每个样本来自新采集的相机帧，再通过眼部关键点准备提交给服务端的人脸区域。

短暂晃动或模糊会暂停采集，并在本轮内重新收集连续片段。人脸丢失、出现第二张脸、持续离开引导区域或转头过大时，会停止本轮并丢弃已采集的输入。重新摆正位置后，由用户开始新一轮，重新收集完整序列。

炫光采集

应用中的入口名为 Color liveness。补光来自手机屏幕：用户直视摄像头，屏幕按白 → 红 → 绿 → 蓝变化。采集图像与对应的光照阶段一起构成完整序列。

人脸采集与屏幕颜色变化同步进行
炫光采集将每张图像与屏幕光照阶段对应起来，时间同步和相机设置稳定都是输入的一部分。

正式采样前，演示先使用白光，等待曝光和白平衡稳定，再锁定这两个设置。进入每个阶段时，屏幕立即切换颜色，等待光照稳定后，根据时间信息选择对应的相机帧。四个阶段都完成后，才组成请求。

前置摄像头需要提供 REALTIME 传感器时间戳，并支持 AE/AWB 锁定。演示在采集前检查这些能力，不支持的设备会显示提示。

炫光采集适合应用可以在核验步骤中统一控制屏幕和摄像头的场景。机型验证时，应一起观察屏幕亮度、环境光和相机时序。如果希望屏幕保持正常显示，可以在同一批目标设备上评估被动采集。

读取验证结果

完整的一轮采集会统一准备并上传一次。应用分别处理服务端判断、采集进度和请求错误：

Result含义应用处理
status=ok, alive=true本轮活体验证通过。进入应用的下一步流程。
status=ok, alive=false本轮活体验证未通过。显示未通过结果，并提供应用安排的下一步操作。
status=retry服务端未能得出结论，alive 和 score 为 null。提示重新采集。
Network / service error请求失败或未收到结果。显示连接或服务提示，允许时重新提交同一轮请求。
Capture interrupted本地采集在形成完整请求前中断。重新调整位置，再开始一轮。

收到 status=ok 后，通过 alive 读取判断，通过 score 读取活体分数。根据返回的判断推进核验流程。

连接或响应错误允许重试时，演示保留原请求和 capture ID，用于查询或重试本轮。开始新一轮采集时，会创建新的 capture ID。取消操作会停止本地采集或等待，但服务端已经接受的请求仍可能完成。

接入 Plus 流程

接入时可以按下面的分工组织：

Component职责
Mobile capture相机权限、进入前的数据说明、取景引导、帧连续性和时间戳；炫光还需要协调屏幕与相机。
Local InspireFace跟踪人脸并提供眼部关键点，用于准备采集序列。
Service request按要求提交完整采集、帧信息和鉴权数据，重试时保留同一个请求标识。
Result handling区分通过、未通过、重新采集和请求失败，再衔接应用的后续步骤。

演示在本轮期间将采集图像保存在内存中。应用入口说明上传内容和保存规则，生产服务凭据通过业务后端管理。

PLUS 在移动端采集后发起在线请求。本地 SDK 选择适合设备的人脸跟踪与关键点处理后端，再按 InspireFacePlus 服务文档提交序列并读取结果。如需商用版本使用权，可向 contact@insightface.ai 说明平台、摄像头配置和使用流程。