1、 基于人脸识别的实名认证方案
确保为真人：通过端云配合活体检测，确保操作者为真人，可有效抵御彩打照片、视频、3D建模等攻击。用户无需提交任何资料，或去网点柜台办理业务，高效方便。
确保为本人：基于「真人」的基础，将现场采集人脸图片、姓名、身份证号码与权威数据源身份信息库对比，确保操作者身份的真实性。避免身份证或人脸图像伪造等欺诈风险，权威可靠。
核身流程简单概述为以下三步，根据第三步中的两张图片的人脸对比得分，进行最终业务的核身结果判断依据，阈值可根据业务需要自行调整：
1.1、APP端流程
Step1：用户拍摄身份证图片并上传
Step2：通过身份证识别API/SDK识别用户的身份证信息，并输出「姓名+身份证号」字段信息供客户二次确认
Step3：通过人脸采集SDK引导客户进行有炫瞳/动作式活体检测，校验用户为真人拍摄并输出高质量活体人脸图片
Step4：对采集SDK输出的高质量活体图片进行二次校验，校验用户是否为合成图、3D模型等攻击行为
Step5：对输出的用户「姓名+身份证号+人脸」信息与权威数据源进行比对，校验用户身份信息的准确性，判断是否为本人操作。
1.2、H5端流程
Step1：收集用户输入的「姓名+身份证号」信息并上传
Step2：通过H5视频活体检测API接口的调用引导客户进行动作活体验证，校验用户为真人拍摄并输出高质量活体人脸图片
Step3：对输出的高质量活体图片进行二次校验，校验用户是否为合成图、3D模型等攻击行为
Step4：用收集的用户「姓名+身份证号+人脸」信息与权威数据源进行比对，校验用户身份信息的准确性，判断是否为本人操作。
1.3、集成开发
集成逻辑可以概括为三个核心步骤：
OCR SDK获取身份证信息，本地输出。
人脸SDK获取活体检测图片，本地输出。
将姓名、身份证号、人脸图像推送到您的server端，从server端先调用在线身份验证接口，得到结果。
如何判断业务是否终止，主要分为五个节点：
2、有源和无源
注：有源/无源的区别是——是否在身份核验过程中请求公安权威数据源。
有源认证方案代表用户身份信息与公安权威数据源中的身份信息进行比对，基于此核验用户身份。有源方案指含权威数据源核验的人脸实名认证解决方案。
无源认证方案代表用户身份信息与您自建人脸库中的身份信息进行比对，基于此核验用户身份，无源方案指自传人脸图片的人脸比对解决方案。
3、阈值
活体检测阈值：活体检测得分高于此阈值，即判断为活体
误拒率（FRR）：指误将活体用户判断为非活体的概率。如误拒率为0.5%，指1000次真人请求，会有5次因为活体分数低于阈值被错误拒绝。
阈值：用户人脸图片与公安权威数据源中人脸的相似度得分阈值，得分超过此阈值，即被判断为同一人。阈值分数相关指标可参考下表，推荐阈值为80。
4、接口
本文档提供了实名认证方案中各接口的API文档链接地址，方便开发者更好的了解接口信息。
4.1、OCR身份证识别
1.1 OCR身份证识别API
接口文档：https://ai.baidu.com/ai-doc/OCR/rk3h7xzck
1.2 OCR身份证采集SDK
通过方案获取APP方案示例工程：https://ai.baidu.com/ai-doc/FACE/Ykxh61h9g
4.2、活体检测
2.1 离线采集SDK
通过方案获取APP方案示例工程：https://ai.baidu.com/ai-doc/FACE/Ykxh61h9g
2.2 活体检测API
H5视频活体检测API & 随机校验码API：https://ai.baidu.com/ai-doc/FACE/lk37c1tag
在线图片活体（V4）API：https://ai.baidu.com/ai-doc/FACE/Cktmsru8w
4.3、身份验证
人脸实名认证（V4）API：https://ai.baidu.com/ai-doc/FACE/Cktmsru8w
姓名与身份证比对API：https://ai.baidu.com/ai-doc/FACE/Tkqahnjtk
人脸比对（V4）API：https://ai.baidu.com/ai-doc/FACE/Oktmssfse
5、度目智能应用平台架构：
度目（DUMU）是百度AI自主研发的软硬一体产品，包含【门禁机】【视频盒子】【摄像头】硬件 +【乘风管理平台】。通过软硬一体方式，解决各类场景下的【人员核验】【行为分析】【环境检测】等管理及预警诉求。
6、人脸识别的应用场景
身份核验：即1:1对比，判断两张脸的相似度，判断你是你，通常用于需要验证用户身份真实性的场景，如人证对比。
身份识别：即1:N识别，在一个人脸集合中找到最相似的人脸，判断你是谁，通常用于判断用户身份是否存在，及身份信息内容的场景，如人脸门禁、人脸支付等。
属性分析：即人脸属性分析，基于人脸信息，返回年龄、性别等属性值，通常用于客群分析、娱乐营销等场景，如统计线下客群年龄分布。
7、人脸识别的核心步骤
人脸采集：人脸识别的前置步骤，即获取到人脸图片，用于对比、识别、属性分析等操作。
人脸分析：包括人脸图片的加工处理，特征抽取与对比，结果返回等一系列操作，也是通常理解为的人脸识别操作。
要想确保人脸识别的应用效果得到保障，最为核心的一个环节即人脸的获取，即人脸采集。目前市面上所有人脸识别应用落地，面临的主要问题就是应用环境复杂，包括光照、遮挡、作弊攻击等一系列环境因素干扰，涉及产品策略、硬件选型、施工方案等多个维度地综合作用，才能不断提升最终效果。
8、活体检测方式
8.1、动作配合式活体检测
SDK给出指定动作要求，用户需配合完成，通过实时检测用户眼睛，嘴巴，头部姿态的状态，来判断是否是活体。支持7种预设动作，可自定义哪些生效以及检测顺序。
8.2、在线图片活体检测
基于图片中人像的破绽（摩尔纹、成像畸形等）来判断目标对象是否为活体，可有效防止屏幕二次翻拍等作弊攻击，可使用单张或多张判断逻辑。
8.3、视频活体检测
用户上传一个现场录制的视频，录制时读出随机分配的语音校验码。然后通过分析这个视频的人脸信息以及语音校验码是否匹配，完成活体检测判断。
8.4、离线RGB活体检测
在线图片活体的离线版本，相对于在线接口方式，本地处理速度更快，无需担心是否有网络，也无需考虑接口调用次数等消耗。
8.5、离线近红外活体检测
利用近红外成像原理，实现夜间或无自然光条件下的活体判断。其成像特点（如屏幕无法成像，不同材质反射率不同等）可以实现高鲁棒性的活体判断。
8.6、离线3D结构光活体检测
基于3D结构光成像原理，通过人脸表面反射光线构建深度图像，判断目标对象是否为活体，可强效防御图片、视频、屏幕、模具等攻击。
9、考勤人脸识别方案集成对比
10、离线采集适用采集人数1人。
手机
应用场景
对于远程开户、刷脸登录、移动考勤等手机端场景，可将iOS/Android SDK集成到现有APP应用中，在设备端离线完成人脸采集，确保采集图片质量的同时，提供更加流畅的交互体验。也可以基于微信小程序，或者H5形式，完成业务快速落地。
适用采集人数
1人。
11、人脸离线识别SDK
适用场景特点
网络：无网、局域网等情况，无法连接公网。如政府单位、金融保险、教育机构等。
安全：行业特点所带来的人脸数据敏感性，即使可以连接公网也不可请求。
速度：由于各地网络线路、机房部署等诸多原因，网络请求速度存在不可控因素。
稳定：需要尽可能避免网络抖动、机房故障等影响，进一步控制可用性影响因素。
11.1、通用流程概述
检测采集：通过视频流实时检测跟踪，并采集到符合质量要求的人脸图片，用于后续的识别。
活体判断：为可选步骤，主要保障业务操作者为真人，避免业务作弊。加上这步的校验，即只有满足活体判断通过，人脸图片才会被采集。
对比识别：1：1对比主要是判断「你是你」，用于核实身份的真实性；1：N搜索主要判断「你是谁」，用于明确身份的具体所属。
11.2、活体检测
活体检测
活体基础原理
RGB可见光活体：主要基于图片破绽，判断目标对象是否为活体。例如图像中的屏幕反光、成像畸形等，最主要的应用情形为屏幕的二次翻拍等攻击防御。此种活体对于待检测图片的要求，主要需要满足画面中除了人脸以外，要尽可能保留一些背景内容，用于查找破绽，通常建议人脸与屏幕的长宽比为1：3。为控制达到此比例，建议通过调整最小检测人脸参数，控制采集的人脸不可过大，避免人脸面积占比过高，而导致图片中没有多少背景信息。同时RGB活体受光线影响较大，所以在强光、暗光等场景，容易数值波动较大，主要影响的是「通过率」，产品策略上需要通过适当的补光、使用宽动态镜头抵消逆光等方式缓解。
NIR近红外活体：主要基于近红外光线反射成像原理，通过人脸呈现来判断是否为活体。即使是夜间或者没有自然光的情况下，依然可以判断活体。因为其成像特点，对于屏幕、图片等攻击形式，基本可以达到近似于100%的活体防御。同时近红外设备的成本，相对性价比更高。
Depth深度活体（3D结构光）：结构光原理是通过主动光发射，在物体上形成光栅，并接受此信息进行活体分析。同样可以不需要自然光。3D结构光的成像更为稳定，抗攻击能力更强，对图像噪声的抗干扰能力也更强，是相对更加安全和稳定的方案，但相应的硬件设备造价也较高，需要根据实际业务成本预算，进行综合考虑。
在实际业务场景中，需要根据场景特点，灵活组合使用以上几种活体方案。当然，为保证业务安全，还需要制定一系列的辅助措施，如证件信息读取、密码、其他生物特征识别等，达到更安全的核验。
场景及应用方案
通行场景：此场景通常保障通行速度为主，确保不影响通行秩序和效率。所以建议无需使用三重活体检测，可仅用NIR活体或Depth活体，保障效率同时仍可保证安全性。
身份核验场景：此场景通常保障业务安全性为主，可尽可能提供更加安全的活体方案。如RGB+NIR，或者RGB+Depth，乃至RGB+NIR+Depth，最大程度确保对攻击的拒绝率较高。
强光/暗光场景：光线较强的场景，RGB活体会受影响比较严重，建议使用NIR或者Depth活体，同时尽量通过产品策略避免这两种情况的光线，例如添加补光灯、配备遮光板等。
应用方案及模组选择
无需活体：如有人值守的场景下，活体检测并无太大的必要（活体检测也会增加额外的业务耗时），现有设备的单目USB摄像头即可。
仅用RGB可见光活体：可使用设备自带的USB单目摄像头，输出的RGB图像可直接用于RGB可见光活体算法识别。
RGB可见光+NIR近红外活体：需要配备能够同时获取RGB、NIR近红外数据的镜头使用。
RGB可见光+Depth深度活体：需要配备能够同时获取RGB、Depth深度图像数据的镜头使用。
RGB可见光+NIR近红外+Depth深度活体：需要配备能够同时获取RGB、NIR、Depth深度图像数据的镜头使用。
11.3、人脸比对
11.3.1、人脸1：1对比 对比类型：图片vs图片
11.3.2、人脸1：1对比 对比类型：对比类型：实时视频流vs图片
11.3.3、人脸1：N搜索
