人脸识别活体检测技术讨论：基于背景人脸相对运动的活体判断方法

活体检测是人脸识别安全性的重要保障，是人脸识别厂商将产品普及应用于各行业的重要竞争力。目前活体判断的方法很多，但很难基于一种方法就能达到理想的效果，往往需要多种算法的交叉判断，本文主要介绍一种简单有效的活体判断方法。

在很多情况下，高清照片和真人在某些光线条件下在相机中的成像很接近，这就导致仅仅基于面部的特征很难准确判断活体。在大部分场景下，人手拿着照片，手机或者pad不会完全静止不动，而在有运动时，真人和照片的区别很大：真实人脸运动与背景无相关性，照片，手机或者Pad在运动时，人脸运动与周围背景运动有很强的相关性。

基于上述的原理，我们可以判断人脸运动趋势与背景运动趋势的相关性来做区分。首先在检测到人脸后，以人脸为中心向外扩，形成一个比较大的区域，然后在此区域内查找特征点，在下一帧中跟踪这些特征点，可以计算该人脸上特征点的运动趋势与背景中特征点的运动趋势。

针对上述方法的实现有较多选择，可以使用光流场进行跟踪，或者其他技术例如KCF等进行跟踪，只要人脸与背景运动有较强的相关性，那么就极有可能是非活体。

当然，基于该方法的活体判断在一些场景下会失效，例如照片基本保持静止，或者照片沿着人脸轮廓进行裁剪等。但是此方法在不影响真人通过的情况下检测出了部分照片，那么就是有价值的，需要与其他算法一起联合判断，才会达到更好的效果。

计算机视觉技术服务提供商神目科技，其核心技术团队来自包括卡内基梅隆大学、海内外领先生物识别研究所的专家人员，研发出自主产权的人脸识别、活体检测技术。2019年，公司对外免费开放人脸识别及活体检测SDK，能够帮助开发者及创业者省去大量技术开发成本，登录神目科技AI开放平台https://ai.deepcam.cn/#/home 可下载获取，开发者可基于成本较低的单目RGB摄像头可实现产品落地，实时性能优异，静默式识别，用户体验好。