上周帮朋友处理一个安卓项目，安卓他需要加人脸活体检测，代码第方预算为零。免费我第一反应是活体推荐Google的ML Kit，结果他试完直接骂街——那玩意儿只能检测人脸，检测活体判断基本靠猜。安卓后来翻了一圈GitHub，代码第方发现免费方案其实不少，免费但坑也多得离谱。活体

先说最省事的检测：FaceRecognition Android SDK。这库在GitHub上有3k多星，安卓Apache 2.0协议，代码第方商用免费。免费它内置了眨眼检测和头部姿态判断，活体活体逻辑是检测让你随机做动作。我实测过，对静态照片的防御还行，但拿个平板放视频就能骗过去。代码倒是简单，几行就能跑：

FaceDetector detector = new FaceDetector(context); detector.setLiveCheck(true); detector.detect(bitmap, new FaceDetector.Callback() {  @Override public void onSuccess(FaceResult result) {  if (result.isLive()) {  /* 通过 */ } } }); 

但注意，这库最后一次更新是2022年，Android 14上有些相机兼容问题。我朋友的项目跑在低端机上，帧率掉到8fps，用户得等三秒才能识别完。你要是不介意这点，它算是最快能跑起来的免费方案。

另一个选择是ML Kit + 自定义活体。Google官方文档里没写活体检测，但你可以用Face Detection的landmark数据自己算。比如取左右眼的开合度，连续五帧内变化超过阈值就判定为活体。我在Pixel 4上试过，延迟大概200ms，比FaceRecognition快。但问题是你得自己写状态机，代码量不小。而且ML Kit的landmark精度受光照影响极大，暗光下眼睛坐标能飘出5个像素，误判率飙升。

有个冷门方案：OpenCV的DNN模块。GitHub上有人把Silent Face Anti-Spoofing的模型转成ONNX，直接拿OpenCV加载。我试过一个叫“MiniFASNet”的轻量模型，输入128x128的RGB图，输出真人概率。在骁龙865上单帧推理12ms，比上面两个都稳。缺点是模型文件要自己找，而且OpenCV的Java接口写起来啰嗦。下面这段是核心：

Net net = Dnn.readNetFromONNX("minifasnet.onnx"); Mat blob = Dnn.blobFromImage(faceMat, 1.0/255, new Size(128,128), new Scalar(0,0,0)); net.setInput(blob); Mat prob = net.forward(); float liveScore = prob.get(0,0)[0]; 

我拿打印的照片和手机屏幕翻拍测试，liveScore低于0.3的占九成。但有个坑：模型对红外摄像头支持差，如果你设备带IR，得重新校准阈值。

再说个偏门但好用的：华为HMS Core的活体检测。免费，但仅限华为设备。我借了台P40试，响应速度和准确率都碾压上面几个。它用的是结构光+RGB双验证，拿视频根本过不了。可惜非华为手机装不了HMS Core，直接报错。你要是做内部工具，团队全用华为，这个最省心。代码就一个`FaceAnalyzer`类，文档写得也清楚。

最后提个醒：所有免费方案都有个通病——对3D面具或者高精度硅胶头套防御有限。我见过有人拿淘宝买的硅胶脸模骗过FaceRecognition，成本不到200块。真要防这个，得上红外或者深度相机，那就不是免费能解决的了。所以选方案前先想清楚你的威胁模型：防照片？防视频？还是防专业攻击？

我朋友最后选了OpenCV+MiniFASNet，虽然集成花了三天，但性能达标。他那个App日活不到一千，服务器成本为零，算是最优解。你要是赶时间，直接拿FaceRecognition的demo改，两小时能上线。但记得加个超时重试，不然用户举着手机等五秒会疯。

(责任编辑：休闲)