Activar la detección RGB de presencia real en Python e InsightFace Server
Añade comprobaciones antes del reconocimiento y recibe estados y puntuaciones por rostro. Configura el reconocimiento condicionado al resultado de vida o el modo de observación para los flujos de detección, comparación, búsqueda y RTSP.
Qué vas a construir
Análisis facial en Python con detección de vida RGB opcional antes del reconocimiento y resultados por rostro.
Desactivada de forma predeterminada. Las comprobaciones de registro tienen un ajuste independiente.
Antes de empezar
- El código fuente actualizado de InsightFace 2 con python-package/docs/liveness.md, Python 3.10+ y las dependencias del paquete instaladas. Esta guía se refiere a esa versión del código; un paquete antiguo puede no ofrecer la API del complemento.
- Un archivo local input.jpg con un rostro y suficiente imagen a su alrededor, y acceso para instalar el modelo base y el complemento de liveness. Respete las condiciones de cada modelo.
- Para Server: una instalación Linux actualizada y en ejecución con el modelo base instalado. La instalación web requiere que el usuario de Server (UID/GID 10001 en Compose) pueda escribir en el directorio de complementos montado y en todo el directorio de configuración.
1. Activar explícitamente la comprobación en Python
Desde la raíz del repositorio actualizado, instale el paquete Python en su entorno virtual activo. Coloque input.jpg en el directorio de trabajo antes de ejecutar el ejemplo. El ejemplo para CPU selecciona detección y reconocimiento; addons=['liveness'] activa el modelo independiente de liveness.
La primera ejecución puede descargar los modelos que falten. El complemento se guarda en ~/.insightface/addons/liveness.onnx y se comprueba su SHA-256 antes de cargarlo. Instalar el archivo no lo activa: especifique addons=['liveness']. Si omite addons, la comprobación permanece desactivada.
cd python-package
python -m pip install .import cv2
from insightface.app import FaceAnalysis
image_bgr = cv2.imread("input.jpg")
if image_bgr is None:
raise FileNotFoundError("input.jpg")
app = FaceAnalysis(
name="buffalo_l",
allowed_modules=["detection", "recognition"],
addons=["liveness"],
liveness_mode="normal",
liveness_threshold=0.8,
providers=["CPUExecutionProvider"],
)
app.prepare(ctx_id=-1, det_size=(640, 640))
for face in app.get(image_bgr):
print(face.liveness)
if face.liveness is not None:
print(
face.liveness.status,
face.liveness.is_live,
face.liveness.live_score,
)2. Interpretar los resultados y elegir la política de reconocimiento
En modo normal, solo se reconoce cuando is_live es True. Los demás rostros permanecen en la lista con sus detecciones, pero sin embedding. En modo observe, el reconocimiento continúa ante una clasificación negativa o una entrada rechazada, conservando el resultado. Los fallos de modelo, alineación o inferencia generan excepciones en ambos modos.
- status='ok': is_live es True o False y live_score es un número en [0, 1]. El umbral predeterminado es 0.8; la igualdad también permite pasar. Valide el umbral con entradas representativas y el proveedor de ejecución de su despliegue.
- status='input_rejected': is_live y live_score son None. Indica que falta área de la imagen original alrededor del rostro alineado, no una clasificación de suplantación. Centre el rostro, aléjese de la cámara o use una imagen menos recortada. reason explica el problema.
- face.liveness es None si no se seleccionó el complemento; si no se detectan rostros, se devuelve []. Use status e is_live en la lógica. El texto reason de Python/API está en inglés y no debe interpretarse como un código de estado estable.
3. Instalar, reiniciar y verificar en Server
Sí. Instala y activa el complemento opcional de detección de vida RGB desde la interfaz web del servidor. El modo normal condiciona el reconocimiento al resultado de vida; el modo de observación informa de los resultados mientras continúa el reconocimiento. La detección de vida está desactivada de forma predeterminada y el registro tiene un interruptor independiente. Consulta la guía para configurar la función e interpretar sus resultados.
Abra System → Liveness y elija Download and enable after restart. La acción descarga el complemento publicado o reutiliza una copia verificada, comprueba SHA-256 y guarda ['liveness'] en inference.addons y addons.auto_download. Espere a que la instalación y la configuración terminen correctamente antes de reiniciar.
Ejecute el comando de reinicio desde la raíz del repositorio; use compose.cuda12.yml para CUDA. En System, confirme enabled=true y restart_required=false. installed describe el archivo verificado y configured_enabled la configuración del próximo arranque; ninguno por sí solo confirma la inferencia activa. Cambiar los montajes requiere recrear el contenedor.
Liveness está desactivado por defecto. La acción web no cambia el registro: liveness_on_registration=false sigue siendo el valor predeterminado. Cámbielo por separado a true para aplicar normal/observe durante el registro. Para desactivar liveness, guarde listas vacías en inference.addons y addons.auto_download y reinicie.
docker compose -f server/deploy/compose.cpu.yml restart server¿Necesitas ayuda con el despliegue en producción?
Contacta con InsightFace para licencias de modelos, optimización de runtime y soporte de despliegue en tu hardware objetivo.
Enviar consulta empresarial