人臉識別門(mén)禁活體檢測常用方法
發(fā)布時(shí)間：2020-11-13 ｜ 作者：安居樂(lè )人臉識別
｜ 來(lái)源：石家莊安居樂(lè )科技 瀏覽：
簡(jiǎn)介：動(dòng)態(tài)活體檢測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)體驗較差。為了實(shí)現無(wú)感通行的效果，人臉識別門(mén)禁很少采用響應指令的動(dòng)作活體檢測，通?；趫D像和光學(xué)效果的差別實(shí)施活體甄別
動(dòng)態(tài)活體檢測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)體驗較差。為了實(shí)現無(wú)感通行的效果，人臉識別門(mén)禁很少采用響應指令的動(dòng)作活體檢測，通?；趫D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
雖然沒(méi)有配合指令的動(dòng)作響應，但真實(shí)的人臉也不是絕對靜止的，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，檢測系統可以輕松的對付照片、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)習訓練神經(jīng)網(wǎng)絡(luò )分類(lèi)器，以區分是活體，還是攻擊?；铙w檢測中的物理特征主要分為紋理特征、顏色特征、頻譜特征、運動(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HSV或YCbCr具有更好的區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。
運動(dòng)特征提取目標在不同時(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。
人臉識別門(mén)禁
2、紅外攝像頭活體檢測
紅外人臉活體檢測主要是基于光流法而實(shí)現。光流法是利用圖像序列中的像素強度數據的時(shí)域變化和相關(guān)性來(lái)確定各像素位置的“運動(dòng)”，即從圖像序列中得到各個(gè)像素點(diǎn)的運行信息，采用高斯差分濾波器、LBP特征和支持向量機進(jìn)行數據統計分析。
同時(shí)，光流場(chǎng)對物體運動(dòng)比較敏感，利用光流場(chǎng)可以統一檢測眼球移動(dòng)和眨眼。這種活體檢測方式可以在用戶(hù)無(wú)配合的情況下實(shí)現盲測。
從上述兩張圖的對比可以看出，活體人臉的光流特征顯示為不規則的向量特征，而照片人臉的光流特征則是規則有序的向量特征，以此即可區分活體和照片。
3、3D攝像頭活體檢測
通過(guò)3D攝像頭拍攝人臉，獲取相應的人臉區域的3D數據，基于這些數據，選擇最具有區分度的特征來(lái)訓練神經(jīng)網(wǎng)絡(luò )分類(lèi)器，最終利用訓練好的分類(lèi)器區分活體和非活體。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定性和魯棒性。
下一篇：沒(méi)有了
安居樂(lè )樓宇對講ANJULEY
安居樂(lè )阿里店鋪
安居樂(lè )淘寶店鋪