本站小編為你精心準備了人臉認證應用中活體檢測技術分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

移動互聯網時代，信息技術的發展和移動智能終端的普及改變了人們的生活習慣和行為模式，讓人們的工作生活更加簡單便捷。各行各業都在互聯網領域開拓自己的業務空間。由于金融行業對客戶真實性、安全性和可信度的要求較為嚴格，怎樣在線上證明“你是你”成了金融行業發展線上業務的關鍵問題。目前，網絡實名制實名認證、實名簽字已在多領域執行，身份識別技術也在不斷改進。從簡單的密碼輸入、收取驗證碼到生物識別技術的普遍運用，逐漸展現出安全、高效與便捷的特點。對于互聯網金融拓展面臨的鑒權問題，這一金融業風險控制最必不可少的基礎環節，人臉識別則是實現線上遠程生物特征鑒權的最易行和友好的技術手段，為保證高效的互聯網金融服務提供了新思路。而從效率上看，可實現跨地域、全天候、全場景，任何時間、任何地方都可以使用，不再等待人工審核，業務辦理的整個過程僅需數秒。只要有網絡和攝像頭就可以完成業務辦理，既有語音提示還有文字提示，即使是那些第一次接觸的用戶也能輕松使用。

人臉識別需要通過兩點認證身份，一是人臉比對，即判斷待驗證的人臉是不是本人；二是活體檢測，即判斷待驗證的人臉是不是真實有效的本人并活體。由此可見，單一手段身份認證技術帶來的局限性也較為明顯，多種安全機制及多模態生物識別整合應用正在成為新的趨勢，身份認證安全必須通過多因子、多緯度來保證。博宏信息技術有限公司（以下簡稱“博宏”）在活體檢測領域積攢了多年的經驗和深入的研究，并有部分成果產品輸出。

1.人臉識別活體檢測的問題背景

在生物特征識別系統中，為防止惡意者偽造和竊取他人的生物特征用于身份認證，生物特征識別系統需具有活體檢測功能，即判斷提交的生物特征是否來自有生命的個體。人臉識別領域常見的安全攻擊方式有：人臉照片攻擊、人臉視頻攻擊、人臉合成攻擊、3D模型或者面具攻擊。現在大多數公司普遍采用交互式活體檢測來防范人臉照片和視頻攻擊，對于3D模型或者面具攻擊防范能力較差。

2.當今主流的人臉活體檢測方案和存在問題分析

目前人臉活體檢測解決方案主要有以下4種。

（1）基于交互式的活體檢測這種活體檢測技術一般采用指令動作配合的方式，如人臉左轉、右轉、張嘴、眨眼等，當檢測到用戶動作和發出的指令不一致時，判定為偽造欺騙。問題：用戶體驗不佳；可以較好地防止照片攻擊，但是無法防止視頻攻擊或者一些人臉合成技術的攻擊。目前博宏采用的是服務端與客戶端雙檢測方式。而通常被攻擊的是單純采用客戶端機制，人臉表情和動作合成技術成功突破了交互式人臉活體檢測的安全防線，同時在人機交互的應用層面沒有做好，導致攻擊的難度非常小。

（2）基于3D物體和2D物體光流的差異性來進行活體檢測光流的運動包含4個基本類型：平移，旋轉，移動和擺動。我們發現對于2D和3D物體前面三種運動光流很相似，但是第四種差異性很大。通過這個發現可以幫助判斷測試區域是平面還是3D的。特點：實際應用中發現光流信息很不穩定，這使得提取出來的特征區分度很小。

（3）基于二次成像原理的活體檢測攝像頭對于真人是一次拍攝一次成像，而對于攝像頭面前的照片或者Pad呈現的人臉圖像則屬于二次成像。這種方法主要考慮到一次成像和二次成像會造成多種表面差異：①由于照片有限的分辨率和攝像機重對焦等原因，會使得再成像的圖片比較模糊；②人臉表面反射比會有一定的差異；③一些非正常的陰影等也會對人臉表面造成變化。特點：無需用戶配合，用戶體驗較好。可以有效地防止照片或視頻等攻擊方式。但是這種方法檢測效果不穩定，容易受到周圍環境影響（比如光照等）。博宏采用的方式是在客戶端利用基于交互式的活體檢測的基礎上，服務端又采用了此二次成像原理的檢測方法。目前根據大批量數據的評測得出的結果是能夠防住靜態及動態攻擊的99%。

（4）基于三維成像原理的活體檢測方法通過獲取人臉兩個或多個角度的照片，合成3D模型。這種方法可以有效地處理照片攻擊，但是依然無法處理視頻或者是人臉面具攻擊。基于以上研究，我們發現目前主流方法存在的問題有：防攻擊模式單一，有些對照片攻擊效果較好，有些多視頻攻擊較好；受算法性能約束，防攻擊效果不夠穩定。

3.可行的技術解決方案

目前我們經過調研和分析有兩種值得探索的人臉活體檢測技術方案。

（1）基于可見光+近紅外雙目異質攝像頭+眼周細微紋理分析的方法（需要定制研發人臉成像設備，此類產品可以應用到自助類設備上）異質雙攝+眼周細微紋理分析的方法通過軟硬件結合的方式可以很好地同時克服照片、視頻、合成人臉、人臉面具等多種偽造方式的攻擊。通過實驗我們發現，照片和Pad平板在近紅外下成像很差甚至無法成像，和真人成像有明顯區別。通過近紅外+可見光雙目攝像頭，我們可以很好解決照片、視頻這種模式的攻擊。人的眼周是人臉包含信息最豐富的區域也是最具有辨識度的地方，對于目前的合成技術還有人臉面具，大量的細微紋理信息都會消失，與真實肌膚的紋理有很大差異。通過提取這一區域的紋理信息可以有效克服合成技術與人臉面具工具。同時對于照片和Pad視頻中人臉攻擊也有一定輔助協防作用。近紅外攝像頭使用主動近紅外光源，成像效果非常穩定，對受周圍光照環境影響較小。

（2）基于眼紋區域的活體檢測技術（不需要特殊成像設備，一般要求高清攝像頭）我們擬采用基于眼紋分析的活體檢測技術解決這三類攻擊問題。眼紋位于眼白區域，指的是人的眼睛中去除眼睛虹膜和瞳孔的區域，里面含有大量的紋理信息。但是由于紋理信息不是特別顯著，經過二次成像過程中可能會丟失部分信息。我們的解決思路如下。被檢測者錄制自己的一段視頻，可以借助視頻中的圖像增強技術，加強眼白的紋理信息，具體步驟如下：獲取圖像并檢測眼睛位置→眼白分割→增強眼白的問題信息→檢測眼白中的感興趣的角點→在角點周圍提取特征→判斷是否是活體。由于圖片和預先錄制好的視頻（二次成像）眼睛紋理信息不清晰，與真實錄制相差很多，因此可以防住這兩類攻擊；同時3D模型被測或者面具眼睛幾乎沒有紋理信息，也可以預防這類攻擊。這些技術方案并不是通用的，需要在不同的應用場景選擇不同的策略，博宏的活體檢測技術已處于行業領先水平，能為銀行、社保、衛生等行業提供專業化、個性化的生物認證解決方案。

作者：陸成學 單位：博宏信息技術有限公司