活体检测技术调研

根据百度百科的解释，活体检测是 在一些身份验证场景确定对象真实生理特征的方法，在人脸识别应用中，活体检测能通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人操作。可有效抵御照片、换脸、面具、遮挡以及屏幕翻拍等常见的攻击手段，从而帮助用户甄别欺诈行为，保障用户的利益。

一、常见竞品：

旷视科技的2PD 全像素双核单摄红外人脸解锁、旷世（Face++）活体认证技术
互联网金融中的应用有：支付宝、小米金融、易付宝；智能手机：三星s8、小米note3、VIVO X20、iphoneX等。百度大脑AI活体检测准确率99%

二、 典型的应用场景：

1. 手机刷脸解锁:
   目前几乎所有的中高端手机均配备“刷脸”解锁功能,其中会使用到活体检测技术来防范“假脸”攻击,保护手机的安全.其中VIVOX21,上搭载了旷世科技的2PD全像素双核单摄红外人脸解锁.

2. 刷脸支付:
   支付场景对人脸十倍的京都要求极高,活体检测是保障安全及识别精准度的关键.在杭州肯德基pro店,基于旷世科技的人脸识别及活体检测技术,已经实现刷脸支付商业落地.

3. 远程身份验证:
   在数字政务、共享服务、新闻媒体等场景,有时需要用户进行远程身份验证来确认身份信息,人脸识别和活体检测技术是其中成熟的方案.在今日头套客户端的审核机制中,引入旷世科技人脸识别及活体检测技术,已经实现刷脸支付商业落地.

三、活体检测应对的具体工作：

1. 简单的照片攻击与动作活体
   这种方式主要是应对不还好意的人或者是犯罪分子拿合法用户的证件照片来攻击人脸是被系统，照片是静物，因此系统可以给出眨眼睛、摇头、张嘴、微笑等动作指令来引导用户通过验证，这个是交互式的动作活体检测。

2. 高级照片或者是视频回放攻击与随机动作活体
   这种主要是不法分子打印合法分子含有眨眼、张嘴等动作的照片或者是视频回放来攻击人脸识别系统。针对这种方式系统可以采用随机动作的活体检测指令，同事增加人脸离开检测框需要的人时间重新开始新的功能。例如两张带有动作的照片进行切换的时候，系统会通知是否重新开始检测，如果人脸存在离开检测框的情况下开启重新检测功能。应对视频中出现错误的动作也可以开始重新检测功能。

3. 立体面具的攻击与红外活体检测
   这种情况主要是应对攻击者使用面具攻击人脸识别系统，材质不好的可以直接使用普通纹理特征就可以检测出来，如果使用硅胶、乳胶、3D打印的立体面具进来攻击系统。这样的系统一般是复合式的认证体系，不仅有人脸识别、还有指纹识别、虹膜识别和指静脉识别等。另外，红外活体检测技术也可以防范这个攻击手段，红外光和可见光相比有很强的特征，照射在材质表面的反射特征不同，正式人脸和纸张、屏幕、立体面积的反射特征分厂不同，红外成像十分不同，这样红外活体检测也会有效的把立体吗，面具攻击防御掉。

四、活体检测的类别：

目前活体检测的方式主要分为三种，活体方位级别由低到高一次是：配合式活体检测、静默式活体检测、双目活体检测。

1. 配合式活体检测：
   是最常见的活体检测方式，通过眨眼、张嘴、摇头、点头等配合式的组合动作，使用人脸关键点定位和人脸追踪技术，验证用户是都为真实活体本人操作。
2. 静默活体检测：
   无需用户进行频繁的脸部动作，只需要用户进行实时拍摄一段人脸视频即可。
3. 双目活体防伪检测：
   “可见光+近红外”光电一体化的人脸活体检测技术，原理在于对不同光照条件下的人脸皮肤反射的光谱信息进行分析分类，对异质人脸图像进行关联判断，有效区别出真实人脸皮肤和其他所有攻击材料不同。可见光技术可实现人脸的快速识别，近红外成像技术具有对光照不敏感、电子屏幕无法成像，可穿透墨镜成像等特点，在实际应用场景中可以防止恶意者伪造和窃取其他人的生物特征用于省份认证，可更加有效的防止照片、视频、3D面具等各种手段的攻击，提升了用户远程验证省份的真实性的安全性。

四、检测方法（百度百科总结）：

1. 立体性活体检测
   用 Depth 图像判断人脸的 3D 性 ，可以防御2D攻击如手机、电脑等显示屏和打印照片 。
2. 亚表面检测
   利用亚表面散射性不同判断人脸皮肤 ，可以防御非(类)人脸材质假体 。
3. 红外FMP检测
   在暗光环境下，基于红外摄像头及IR泛光图检测 。

五、目前有许多活体检测方法，包括：

• 纹理分析（Texture analysis），包括计算面部区域上的局部二进制模式（LBP）并使用SVM将面部分类为真脸或假脸；
• 频率分析（Frequency analysis），例如检查面部的傅里叶域；
• 可变聚焦分析（ariable focusing analysis），例如检查两个连续帧之间的像素值的变化。
• 基于启发式的算法（Heuristic-based algorithms），包括眼球运动、嘴唇运动和眨眼检测；
• 光流算法（Optical Flow algorithms），即检查从3D对象和2D平面生成的光流的差异和属性；
• 3D脸部形状，类似于Apple的iPhone脸部识别系统所使用的脸部形状，使脸部识别系统能够区分真人脸部和其他人的打印输出的照片图像；
• 图像处理中常用方法——卷积神经网络（CNN）来构建一个能够区分真实面部和假面部的深度神经网络（称之为“LivenessNet”网络），将活体检测视为二元分类问题。

七、几种检测方法的优缺点：

参考链接：
https://blog.csdn.net/Xin_101/article/details/90768406

现有的活体检测算法：

1. Dlib中使用的哈希8算法计算关键点之间的举例变化
   https://blog.csdn.net/weixin_39875161/article/details/93321224
   https://blog.csdn.net/Lee_01/article/details/89151044
   https://github.com/mauckc/mouth-open
   https://github.com/duhanmin/face-recognition

2. 活体检测代码介绍：
   https://www.leiphone.com/news/201903/fOj79PkF8jCFwgwY.html?viewType=weixin

3. 基于cnn的活体检测
   https://github.com/leokwu/livenessnet

4. 静默活体检测
   https://github.com/zeusees/HyperFAS

4、 活体检测的数据集
https://blog.csdn.net/liuxiao214/article/details/85214154