开源深度学习活体检测SDK

1. 简介

随着iphoneX的刷脸解锁，支付宝的刷脸支付，刷脸的时代已经到来。在通过人脸识别进行一系列的后续操作中，其中一个关键环节为活体检测。但是目前市场上活体检测算法不够完善，并且开源方面没有很好的实现，我们针对目前用户的需求，开源了一个活体检测的sdk。
我们采用基于人脸landmark的活体配合活体检测。这其中涉及到多个人脸相关的知识，包括：1.人脸检测;2.计算人脸landmark;3.根据landmark的人脸姿态估计;4.人脸表情识别（眨眼，张嘴等);5.合理的配合指令设计。

2. 开发步骤

2.1. 人脸检测

• 大部分人脸识别中，只针对一张人脸，这里我们优化的mtcnn完成人脸检测。原始的mtcnn算法不够高效，参考mtcnn优化提供的方式，用卷积替代pooling，进一步优化人脸检测的速度。

2.2. 人脸landmark计算

• 开源的算法已经有很多，包括3000fps,ert,SDM,TCDCN等，但是这些算法在精度、速度上或者模型体积上不能满足我们的需求，我们设计了一个人脸关键点拟合的网络，完成人脸68个关键点的计算，相关网络可参考：face-landmark

2.3. 人脸姿态估计

• 人脸姿态估计，顾名思义，给定一张人脸图像，确定其姿态，姿态由什么构成呢？很简单（pitch，yaw，roll）三种角度，分别代表上下翻转，左右翻转，平面内旋转的角度。
  
  目前，人脸姿态估计有多种方法，可以分为基于模型的方法，基于表观的方法，基于分类的方法。我之前做过 这方面的调研，调研的结果很明显，基于模型的方法得到的效果最好，因为其得到的人脸姿态是连续的，而另外两种，是离散的，并且很耗时间。基于模型的估计方法的前提是，手头必须具备两样东西，一个是人脸特征点（眼镜，嘴巴，鼻子等处的像素位置），另外一个，是需要自己制作一个3维的，正面的“标准模型”。算法最重要的还是思想，其余诸如流程什么的，都是实现思想的手段而已。人脸姿态估计的思想：旋转三维标准模型一定角度，直到模型上“三维特征点”的“2维投影”，与待测试图像上的特征点（图像上的特征点显然是2维）尽量重合。这时候我们脑海中就应该浮现出一种诡异的场景：在幽暗的灯光中，一个发着淡蓝色光芒的人皮面具一点点的“自我调整”，突然一下子“完美无缺”的“扣在了你的脸上”。这就是人脸姿态估计的思想。参考：人脸姿态估计

2.4. 表情估计

• 眨眼以及张嘴等,相关研究可参考，我们基于landmark提供的五官位置，训练一个表情分类器，完成表情估计。

2.5. 合理的指令设计

• 基于我们已经提供的角度、表情的估计算法，我们设计几种合理的配合指令，并且随机下发，进一步防止被视频人脸欺骗。

3.后记

• 活体检测一直以来都是人脸识别的关键步骤，也是一直困扰科研工作者的一个问题，尽管经过了复杂的算法设计，但是在活体检测方面，同样存在着被欺骗的可能，需要进一步研究。
• 开源实现
• 北京智云视图科技有限公司

4.参考链接

• http://blog.csdn.net/wsj998689aa/article/details/39294171
• http://blog.csdn.net/forest_world/article/details/52086238
• http://blog.csdn.net/samylee/article/details/78421960