為什么現(xiàn)在人臉識(shí)別技術(shù)在門(mén)禁中很重要

人臉識(shí)別技術(shù)日趨成熟，商業(yè)化應(yīng)用愈加廣泛。然而，人臉卻極易通過(guò)照片、視頻，甚至仿真模具等方式進(jìn)行復(fù)制，通過(guò)提前準(zhǔn)備這些“道具”，惡意者試圖在識(shí)別過(guò)程中進(jìn)行偽裝，以圖通過(guò)驗(yàn)證，達(dá)到非法入侵的目的。為防止惡意者偽造或竊取他人的人臉特征用于身份認(rèn)證，人臉識(shí)別系統(tǒng)需具備活體檢測(cè)功能，以判斷提交的人臉特征是否來(lái)自有生命的真實(shí)個(gè)體。

人臉活體檢測(cè)的基本原理人臉門(mén)禁的基本功能是人臉驗(yàn)證（Face Verification），而活體檢測(cè)屬于人臉?lè)纻渭夹g(shù)（Face Anti-Spoofing）。人臉驗(yàn)證和人臉?lè)纻危瑑煞N技術(shù)各有側(cè)重。

人臉驗(yàn)證：人臉驗(yàn)證是判斷兩個(gè)人臉圖是否為同一個(gè)人的算法，即通過(guò)人臉比對(duì)獲得兩個(gè)人臉特征的相似度，然后與預(yù)設(shè)的閾值比較，相似度大于閾值，則為同一人，反之則不同。這是近年來(lái)一個(gè)非常熱門(mén)的研究方向，也產(chǎn)生了一大批算法模型和損失函數(shù)。

人臉?lè)纻危河脩?hù)刷臉的時(shí)候，算法要甄別這張臉是不是真人活體臉，而對(duì)于照片、視頻和假體面具等攻擊行為，算法應(yīng)該予以拒絕。

1、照片攻擊與活體檢測(cè)

照片是最簡(jiǎn)單的攻擊方式，利用社交媒體，例如微信朋友圈或微博，可以輕而易舉地獲得相關(guān)人員的照片。但照片畢竟是靜態(tài)的，不能做出眨眼、張嘴、轉(zhuǎn)頭等動(dòng)作。利用這個(gè)特點(diǎn)，活體檢測(cè)系統(tǒng)可以下達(dá)幾個(gè)動(dòng)作指令，通過(guò)對(duì)被檢測(cè)人員的動(dòng)作符合性判斷，就可以實(shí)現(xiàn)交互式的動(dòng)作活體檢測(cè)。

為了對(duì)付動(dòng)作活體檢測(cè)，有攻擊者改進(jìn)照片偽裝，按真人尺寸打印另外一個(gè)人的照片，在照片的眼睛和嘴巴部位鏤空，貼在臉上，露出眼睛和嘴巴。按照活體檢測(cè)系統(tǒng)的指令，執(zhí)行眨眼、張嘴、轉(zhuǎn)頭等動(dòng)作。但是，這種偽造的效果與真實(shí)人臉實(shí)際的運(yùn)動(dòng)情況相去甚遠(yuǎn)，很容易被檢測(cè)算法識(shí)別。

2、視頻攻擊與活體檢測(cè)

視頻攻擊則是將另一人的動(dòng)作錄成視頻，對(duì)著檢測(cè)系統(tǒng)播放。但是，播放器的屏幕通過(guò)攝像頭成像，其人臉的畫(huà)面與真人也存在較大差別，最明顯的就是存在摩爾紋、反光、倒影、畫(huà)質(zhì)模糊、失真等特點(diǎn)，十分容易甄別。更何況，播放的視頻與動(dòng)作指令也存在不合拍的問(wèn)題。

3、假體攻擊與活體檢測(cè)

假體攻擊就是做一個(gè)與真人相似的立體面具，這種方式解決了照片和視頻播放的平面性缺陷。假體有很多種，最普通的是塑料或者硬紙做成的面具，成本低廉，但材質(zhì)相似度極低，用普通紋理特征就可以識(shí)別出來(lái)。高級(jí)一點(diǎn)的有硅膠、乳膠以及3D打印的的立體面具，這類(lèi)面具的表觀與皮膚接近，但材料的表面反射率和真實(shí)人臉還是存在差異，因此在成像上仍然有差別。

人臉門(mén)禁活體檢測(cè)的常用方法動(dòng)作活體檢測(cè)的方式具有很高的安全性，但要求用戶(hù)配合做指定動(dòng)作，因此實(shí)際用戶(hù)體驗(yàn)較差。為了實(shí)現(xiàn)無(wú)感通行的效果，人臉門(mén)禁很少采用響應(yīng)指令的動(dòng)作活體檢測(cè)，通常基于圖像和光學(xué)效果的差別實(shí)施活體甄別。

1、普通攝像頭活體檢測(cè)

雖然沒(méi)有配合指令的動(dòng)作響應(yīng)，但真實(shí)的人臉也不是絕對(duì)靜止的，總有一些微表情的存在，比如眼皮和眼球的律動(dòng)、眨眼、嘴唇及其周邊面頰的伸縮等。同時(shí)，真實(shí)人臉與紙片、屏幕、立體面具等攻擊媒介的反射特性不同，所以成像也不同。宇視配合基于摩爾紋、反光、倒影、紋理等特征的檢測(cè)，檢測(cè)系統(tǒng)可以輕松的對(duì)付照片、視頻、假體的攻擊。

利用特定的某種物理特征，或多種物理特征的融合，我們可以通過(guò)深度學(xué)習(xí)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類(lèi)器，以區(qū)分是活體，還是攻擊。活體檢測(cè)中的物理特征主要分為紋理特征、顏色特征、頻譜特征、運(yùn)動(dòng)特征、圖像質(zhì)量特征，此外，還包括心跳特征等。

紋理特征包括很多，但最主流的是LBP、HOG、LPQ等。

顏色特征除了RGB之外，學(xué)術(shù)界發(fā)現(xiàn)HSV或YCbCr具有更好的區(qū)分活體非活體的性能，被廣泛用于不同的紋理特征上。

頻譜特征的原理是活體、非活體在某些頻段具有不同的響應(yīng)。

運(yùn)動(dòng)特征提取目標(biāo)在不同時(shí)間上的變化，是一個(gè)有效的辦法，但通常耗時(shí)較久，達(dá)不到實(shí)時(shí)的要求。

圖像質(zhì)量特征有很多描述方式，比如反射、散射、邊緣或形狀等。

2、紅外攝像頭活體檢測(cè)

紅外人臉活體檢測(cè)主要是基于光流法而實(shí)現(xiàn)。光流法是利用圖像序列中的像素強(qiáng)度數(shù)據(jù)的時(shí)域變化和相關(guān)性來(lái)確定各像素位置的“運(yùn)動(dòng)”，即從圖像序列中得到各個(gè)像素點(diǎn)的運(yùn)行信息，采用高斯差分濾波器、LBP特征和支持向量機(jī)進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析。

同時(shí)，光流場(chǎng)對(duì)物體運(yùn)動(dòng)比較敏感，利用光流場(chǎng)可以統(tǒng)一檢測(cè)眼球移動(dòng)和眨眼。這種活體檢測(cè)方式可以在用戶(hù)無(wú)配合的情況下實(shí)現(xiàn)盲測(cè)。

從上述兩張圖的對(duì)比可以看出，活體人臉的光流特征顯示為不規(guī)則的向量特征，而照片人臉的光流特征則是規(guī)則有序的向量特征，以此即可區(qū)分活體和照片。

3、3D攝像頭活體檢測(cè)

通過(guò)3D攝像頭拍攝人臉，獲取相應(yīng)的人臉區(qū)域的3D數(shù)據(jù)，基于這些數(shù)據(jù)，選擇最具有區(qū)分度的特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類(lèi)器，最終利用訓(xùn)練好的分類(lèi)器區(qū)分活體和非活體。特征的選擇至關(guān)重要，我們選擇的特征既包含了全局的信息，也包含了局部的信息，這樣的選擇有利于算法的穩(wěn)定性和魯棒性。

3D人臉活體檢測(cè)分為以下3個(gè)步驟：

首先，提取活體和非活體人臉區(qū)域的N個(gè)（推薦256個(gè)）特征點(diǎn)的三維信息，對(duì)這些點(diǎn)之間的幾何結(jié)構(gòu)關(guān)系進(jìn)行初步的分析處理;

其次，提取整個(gè)人臉區(qū)域的三維信息，對(duì)相應(yīng)的特征點(diǎn)做進(jìn)一步的處理，再采用協(xié)調(diào)訓(xùn)練Co-training的方法訓(xùn)練正負(fù)樣本數(shù)據(jù)，利用得到的分類(lèi)器進(jìn)行初分類(lèi);

最后，利用以上兩個(gè)步驟所提取的特征點(diǎn)進(jìn)行曲面的擬合來(lái)描述三維模型特征，根據(jù)曲面的曲率從深度圖像中提取凸起區(qū)域，對(duì)每個(gè)區(qū)域提取EGI特征，然后利用其球形相關(guān)度進(jìn)行再分類(lèi)識(shí)別。

結(jié)束語(yǔ)活體檢測(cè)是人臉門(mén)禁系統(tǒng)的必備技術(shù)，準(zhǔn)確率可達(dá)99%以上，廣受客戶(hù)好評(píng)。在身份認(rèn)證和無(wú)感通行日益普及的今天，活體檢測(cè)為大眾的工作和生活提供更多的安全保障