检测人脸活跃度

Amazon Rekognition Face Liveness 可以帮助您验证正在进行面部验证的用户是否真实出现在摄像头前。它可以检测出现在摄像头前的仿冒攻击或绕过摄像头的攻击。用户可以通过自拍短视频来完成 Face Liveness 检查，其中，自拍短视频使其根据一系列提示来验证自己是否真实存在。

Face Liveness 通过概率计算确定，然后在检查后返回置信度分数（介于 0—100 之间）。分数越高，对于接受检查的人是真实的就越有信心。Face Liveness 还会返回一个框架，称为参考图像，可用于人脸比较和搜索。与任何基于概率的系统一样，Face Liveness 不能保证完美的结果。将其与其他因素结合使用，对用户的个人身份做出基于风险的决定。

Face Liveness 使用多个组件：

• AWS 带组件的 Amplify SDK（React、Swift (iOS) 和安卓） FaceLivenessDetector

• AWS 软件开发工具包

• AWS 云端 API

当您将应用程序配置为与 Face Liveness 功能集成时，它会使用以下 API 操作：

• CreateFaceLivenessSession-启动 Face Liveness 会话，让您的应用程序中使用 Face Liveness 检测模型。 SessionId 为创建的会话返回 a。

• StartFaceLivenessSession-由 AWS Ampli FaceLivenessDetector fy 调用。启动一个事件流，其中包含当前会话中相关事件和属性的信息。

• GetFaceLivenessSession结果-检索特定 Face Liveness 会话的结果，包括 Face Liveness 置信度分数、参考图像和审核图像。

您将使用 AWS Amplify SDK 将 Face Liveness 功能与网络应用程序的基于人脸的验证工作流程集成。当用户通过您的应用程序加入或进行身份验证时，请将其发送到 Amplify SDK 中的 Face Liveness 检查工作流程。Amplify SDK 可在用户拍摄视频自拍时处理用户界面和实时反馈。

当用户的脸部移动到设备上显示的椭圆形时，Amplify SDK 会在屏幕上显示一系列彩色灯光。然后，它会将自拍视频安全地流式传输到云端 API。云 API 使用高级机器学习模型进行实时分析。分析完成后，您将在后端收到以下信息：

• Face Liveness 置信度分数（介于 0 到 100 之间）

• 一种名为参考图像的高质量图像，可用于人脸匹配或人脸搜索

• 从自拍视频中选择一组图像（最多四张），称为审核图像

Face Liveness 可以用于各种用例。例如，Face Liveness可以与人脸匹配（使用CompareFaces和 SearchFacesByImage）一起用于身份验证，在基于年龄的访问限制的平台上进行年龄估算，以及在威慑机器人的同时检测真实的人类用户。

您可以在 Rekognition Face Liveness AI 服务卡中详细了解该服务的用例、该服务如何使用机器学习 (ML) 以及负责任地设计和使用该服务的关键注意事项。

您可以为 Face Liveness 和人脸匹配置信度分数设置阈值。您选择的阈值应反映您的使用案例。然后，您根据分数高于或低于阈值向用户发送身份验证批准/拒绝。如果被拒绝，请用户重试或将其发送到其他方法。

下图演示了从指令到活跃度检查再到返回结果的用户流程：