活體檢測中的人臉識別

在生物特征識別系統(tǒng)中，為了防止惡意者偽造和竊取他人的生物特征進行身份認證，生物特征識別系統(tǒng)需要具備活體檢測的功能，即判斷提交的生物特征識別是否來自活體個體。

通常，生物特征的活體檢測技術利用人的生理特征。比如活體指紋檢測可以基于手指溫度、汗液、電導率等信息；活體人臉檢測可以基于頭部運動、呼吸、紅眼效應等信息；活體虹膜檢測可以基于虹膜顫動特征、睫毛和眼瞼運動信息、瞳孔收縮和擴張對可見光光源強度的響應特征等。

隨著人臉識別技術的成熟，其商業(yè)應用越來越廣泛。然而，通過照片和視頻的方式復制人臉是很容易的。因此，偽造合法用戶的人臉是對人臉識別和認證系統(tǒng)安全的重要威脅。目前，基于動態(tài)視頻人臉檢測、人臉眨眼、熱紅外和可見光人臉相關的活體檢測方法已經(jīng)取得了一些進展。

體內(nèi)檢測行動指南

為了防止惡意者偽造和竊取他人的生物特征進行身份認證，生物特征識別系統(tǒng)需要具備活體檢測功能，即判斷提交的生物特征是否來自活體個體。

一般來說，活體檢測技術利用人的生理特征。比如活體指紋檢測可以基于手指溫度、汗液、電導率等信息；活體人臉檢測可以基于頭部運動、呼吸、紅眼效應等信息；活體虹膜檢測可以基于虹膜顫動特征、睫毛和眼瞼運動信息、瞳孔收縮和擴張對可見光光源強度的響應特征等。

目前人臉識別技術中流行的活體檢測技術一般采用指令動作協(xié)調(diào)的方式，如左轉、右轉、張口、眨眼等。指令配合錯誤的，視為偽造、欺騙。

人臉識別技術還需要突破“時間空”(時間和空，這是天成葉盛公司的原創(chuàng)理念)。無論是拍真人還是通過相機拍照片，最終的結果都是二維畫面，很難判斷相機是真人還是照片。另外，對于雙胞胎和整容群體，人臉識別還需要進一步研究。歸根結底，人臉識別是基于人的判斷標準，利用深度神經(jīng)網(wǎng)絡和計算機技術從人臉圖像中提取有效的識別特征進行身份判斷。人們很難用肉眼判斷，用目前的技術和理論很難做出正確的識別。

活體近紅外人臉檢測

近紅外人臉活體檢測主要基于光流法。

近紅外人臉活體檢測不需要指令配合，檢測成功率高。光流法利用圖像序列中像素強度數(shù)據(jù)的時域變化和相關性來確定每個像素位置的“運動”，從圖像序列中獲取每個像素點的運行信息。通過高斯差分濾波、LBP特征和支持向量機對數(shù)據(jù)進行統(tǒng)計分析。同時，光流場對物體的運動很敏感，利用光流場可以統(tǒng)一檢測眼球運動和眨眼。這種活體檢測的方法，不需要用戶配合就可以實現(xiàn)盲檢測。

活體

畫

從上面兩張對比圖片可以看出，活體的光流特征是不規(guī)則的矢量特征，而照片的光流特征是規(guī)則的矢量特征，這樣就可以區(qū)分活體和照片。

3D人臉檢測

使用3D相機拍攝人臉，獲取人臉區(qū)域對應的3D數(shù)據(jù)，并基于這些數(shù)據(jù)進行進一步分析，最終判斷人臉是來自活體還是非活體。非生物來源廣泛，包括手機、pad等媒體的照片和視頻，以及各種不同材質(zhì)的打印照片(包括折彎、折疊、切割、挖洞等)。

基于活體和非活體的三維人臉數(shù)據(jù)，通過選擇最有區(qū)別的特征來訓練分類器，并利用訓練好的分類器來區(qū)分活體和非活體。特征選擇很重要。這里選擇的特征既包含全局信息，也包含局部信息，有利于算法的穩(wěn)定性和魯棒性。

以下是3D人臉檢測原理的幾個步驟:

首先，我們提取了活體和非活體人臉區(qū)域的256個特征點的三維信息，并對這些點之間的幾何結構關系進行了初部的分析處理；其次，我們提取了整個人臉區(qū)域的三維信息，并對相應的特征點做進一步的處理，再采用協(xié)調(diào)訓練Co-training的方法訓練了正負樣本數(shù)據(jù)，之后利用得到的分類器進行了初分類；最后，利用以上兩個步驟所提取的特征點進行曲面的擬合來描述三維模型特征，然后根據(jù)曲面的曲率從深度圖像中提取凸起區(qū)域，再對每個區(qū)域提取EGI特征，最后利用其球形相關度進行再分類識別。