人脸识别的三种活体检测方式分析

2019-01-21 10:17:10

人脸识别活体检测

  在人脸识别中,为防止恶意者伪造和窃取他人的生物特征用于身份认证,人脸识别系统需具有活体检测功能,即判断提交的生物特征是否来自有生命的个体。通俗的讲就是判断输入是“照片”还是真实的活体人脸,活体检测判断的方法总结如下:

动作指令活体检测

1、动作指令活体检测

  眨眼判别。对于可以要求用户配合的应用系统,要求用户眨眼一到两次,人脸识别系统就可以根据自动判别得到的眼睛的张合状态的变化情况来区分照片和人脸。动作指令活体检测可以基于头部的移动、呼吸、红眼效应等信息,活体检测可以基于虹膜振颤特性、睫毛和眼皮的运动信息、瞳孔对可见光源强度的收缩扩张反应特性等。

2、近红外人脸活体检测

  近红外人脸活体检测主要是基于光流法而实现。

  近红外人脸活体检测无需指令配合,检测成功率较高。根据光流法,利用图像序列中的像素强度数据的时域变化和相关性来确定各自像素位置的“运动”,从图像序列中得到各个像素点的运行信息,采用高斯差分滤波器、LBP特征和支持向量机进行数据统计分析。同时,光流场对物体运动比较敏感,利用光流场可以统一检测眼球移动和眨眼。这种活体检测方式可以在用户无配合的情况下实现盲测。

3、3D人脸活体检测

  利用3D摄像头拍摄人脸,得到相应的人脸区域的3D数据,并基于这些数据做进一步的分析, 最终判断出这个人脸是来自活体还是非活体。这里非活体的来源是比较广泛的,包括手机和Pad等介质的照片和视频、各种打印的不同材质的照片(这里包含各种情形的弯曲、折叠、剪裁、挖洞等情形)等。