本文从真实业务场景出发，拆解“证件照自动审核”的完整技术链路，并给出可直接落地的 API 实现方案。
在招聘系统、考试报名、小程序等场景中，一个非常常见的问题是：
用户上传的证件照，经常不合规，需要人工审核。
典型问题包括：
- 背景不符合要求（非白底/蓝底）
- 人脸位置不居中
- 多人入镜
- 图片模糊 / 过曝
- 尺寸比例不正确
如果完全依赖人工审核，会带来：
- ❌ 人力成本高
- ❌ 审核效率低
- ❌ 用户体验差
👉 所以，越来越多平台开始做：证件照自动审核系统
一、一个真实可落地的自动审核流程
一个成熟系统通常是这样的：
用户上传照片
↓
人脸检测
↓
证件照生成（标准化）
↓
合规检测
↓
通过 / 拒绝 / 提示重传
核心思想：
👉 不要直接“审核原图”，而是先标准化，再判断
二、核心能力拆解（工程重点）
1️⃣ 人脸检测（必须做）
作用：
- 判断是否有人脸
- 判断是否多人
- 获取人脸位置
否则后续全部流程都不可靠。
2️⃣ 证件照标准化（关键一步）
这一步是很多系统忽略的重点。
包括：
- 自动裁剪
- 头部比例控制
- 居中
- 替换背景
👉 可以参考之前这篇实现思路：证件照制作 API 实战
3️⃣ 背景与边缘质量处理
如果用户上传：
- 家庭背景
- 杂乱环境
需要：
- 自动抠图
- 背景替换
👉 可结合抠图能力： AI 抠图 API 实战
4️⃣ 图片质量优化（提升通过率）
常见问题：
- 模糊
- 分辨率低
- 压缩严重
解决方案：
- 超分辨率增强
- 清晰度优化
👉 可参考：图片变高清 API 实战
5️⃣ 合规检测（审核核心）
这里才是“审核”的关键逻辑。
通常需要检测：
- 是否单人
- 人脸是否清晰
- 是否正面
- 是否遮挡
- 背景是否纯色
- 尺寸是否符合规范
三、一个最小可用实现（推荐方案）
如果你不想从 0 自研，可以用 API 组合快速实现：
标准方案（推荐）
上传图片
↓
证件照生成 API
↓
抠图 / 背景处理
↓
图像增强（可选）
↓
合规检测
↓
返回审核结果
接入示意（伪代码）
# 1. 上传图片
img = upload(file)
# 2. 标准证件照生成
photo = id_photo_api(img)
# 3. 质量增强（可选）
photo = enhance_api(photo)
# 4. 合规检测
result = check_api(photo)
# 5. 返回审核结果
return result
👉 实际代码替换为你的 API 调用即可
以下是python的API接入示例
# API文档：https://www.shiliuai.com/api/zhengjianzhao
# -*- coding: utf-8 -*-
import requests
import base64
import cv2
import json
import numpy as np
api_key = '******' # 你的API KEY
file_path = '...' # 图片路径
with open(file_path, 'rb') as fp:
photo_base64 = base64.b64encode(fp.read()).decode('utf8')
url = 'https://api.shiliuai.com/api/id_photo/v1'
headers = {'APIKEY': api_key, "Content-type": "application/json"}
data = {
"base64": photo_base64,
"bgColor": "FFFFFF",
"dpi": 300,
"mmHeight": 35,
"mmWidth": 25
}
response = requests.post(url=url, headers=headers, json=data)
response = json.loads(response.content)
"""
成功：{'code': 0, 'msg': 'OK', 'msg_cn': '成功', 'id': id, 'result_base64': result_base64}
or
失败：{'code': error_code, 'msg': error_msg, 'msg_cn': 错误信息}
"""
result_base64 = response.get('result_base64', '')
img_id = response.get('id', '')
file_bytes = base64.b64decode(result_base64) if result_base64 else b''
if file_bytes:
with open('result.jpg', 'wb') as f:
f.write(file_bytes)
image = np.asarray(bytearray(file_bytes), dtype=np.uint8)
image = cv2.imdecode(image, cv2.IMREAD_COLOR)
cv2.imshow('result', image)
cv2.waitKey(0)
# 同一张图片，参数改变，再次请求（复用 id）
data2 = {
"id": img_id,
"bgColor": "FF0000",
"dpi": 300,
"pxHeight": 640,
"pxWidth": 480
}
response2 = requests.post(url=url, headers=headers, json=data2)
response2 = json.loads(response2.content)
四、实战中最常见的坑
❗ 坑 1：直接审核原图
很多系统直接判断原图：
👉 结果误判率很高
正确做法：
👉 先标准化 → 再判断
❗ 坑 2：忽略图片质量
低质量图片会导致：
- 人脸识别失败
- OCR 识别错误
👉 建议加入增强步骤
❗ 坑 3：规则写死
不同场景要求不同：
- 招聘
- 考试
- 出海
👉 建议做成“可配置规则”
五、什么时候适合做自动审核？
如果你的系统有这些特点：
- 用户量大
- 上传频繁
- 审核成本高
👉 非常建议自动化
六、在线工具 vs API 接入
✅ 在线工具适合
- 人工审核辅助
- 临时使用
👉 可先测试效果：
👉 在线证件照生成： www.shiliuai.com/zhengjianzh…
✅ API 更适合
- 系统自动审核
- 批量处理
- 嵌入业务流程
👉 API 文档： www.shiliuai.com/api/zhengji…
七、总结
证件照自动审核，本质不是一个“单点技术”，而是一个组合方案：
- 人脸检测
- 抠图
- 图像增强
- OCR / 合规判断
👉 把这些能力串起来，才能真正落地。
