採用動做指使人臉活體檢測技術，避免人臉識別環境唄破解

人臉識別做爲一項成熟的生物識別技術，目前已普遍應用於金融、公安、社會服務、電子商務等領域。然而人臉很容易用視頻或照片等進行復制，人臉活體檢測是人臉識別可否有效應用的前提，目前對活體檢測方法的研究有不少。大多數活體檢測方法是研究性質的，它們大多基於特徵提取與訓練的方式，這類方法的準確性是不可控的。另外一類方法是要求用戶作轉頭、搖頭、眨眼或者張嘴等動做，可是這類方法對於視頻的防欺騙性不高。

      爲克服人臉識別系統的不足之處，目的在於提供基於人臉姿態控制的交互式視頻活體檢測方法，人臉活體檢測技術是當用戶的人臉被檢測到以後，用戶將被要求進行眨眼、張嘴、搖頭等動做，以過濾採用照片進行做假的用戶；在整個檢測過程當中，用戶的人臉將會被跟蹤，以防止在認證的中途用戶人臉被切換，而且在整個認證過程當中會抽取多張人臉照片與後臺人臉識別比對服務器預存的用戶人臉照片進行人臉比對，以防止其餘人進行假冒。

      人臉活體檢測技術的另外一目的在於提供基於人臉姿態控制的交互式視頻活體檢測系統，包括攝像頭、智能設備以及人臉識別服務器，該系統能準確判斷出當前檢測者是否爲活體真人，解決了現有人臉識別系統中存在的照片或視頻欺騙問題。

      一個能夠正常工做的人臉識別系統，除了實現識人以外，還須要其餘的技術進行輔助，其中在人臉識別身份認證系統中很重要的一項技術就是人臉活體檢測。

      人臉識別系統除了「識人」以外，還須要「識真」，也就是說在系統面前，不只要證實這我的的臉是否是這我的的臉，還要證實這張臉是否是活體的人臉，而不是圖片、視頻、或者帶着面具的人臉。

      針對幾種攻擊人臉識別系統的手段來看一下人臉活體檢測具體是怎麼工做的：

      一、簡單照片攻擊與動做活體

      不壞好意的人或者犯罪分子拿合法用戶的證件等照片來攻擊人臉識別系統，可是照是靜物，不能作動做，因此咱們就用動做人臉活體檢測指令來防範它，系統給出眨眼、搖頭、張嘴、微笑等動做指令來引導用戶經過驗證，這個是交互式的動做人臉活體檢測。

      二、高級照片&視頻回放攻擊與隨機動做活體

      有的人會打印出含有合法用戶的眨眼、張嘴等動做的照片或者視頻回放來攻擊人臉識別系統，這個時候動做人臉活體檢測也跟着升級了，採起了隨機動做的活體檢測動做指令，同時也增長了人臉離開檢測框須要從新開始的功能，這樣一來即便攻擊者使用帶動做的照片或者視頻回放也無法避開隨機動做指令的檢測了，2張帶動做的照片的切換，系統會通知從新開始檢測，視頻中即便有指令動做順序也是固定的，沒有辦法作到隨機出現，隨着合法用戶防範意識的提升，你們不會把本身的動做指令信息錄下來給不法分子用的，這個2種攻擊手段繞不開系統的防護。

      三、靜默活體檢測

      隨機動做人臉活體檢測有着很高的安全性，可是按照指示讓用戶去作動做比較死板，對用戶來講體驗不是最好的。針對用戶體驗要求提升的要求，又出現了一種靜默活體檢測技術。不須要用戶作任何動做，只須要天然正對攝像頭3、四秒鐘，就能夠完成整個檢測過程。真實的人臉和照片相比，即便不刻意作動做，也會有微表情存在的，好比眼皮、眼球的律動眨眼、嘴脣以及周邊面頰的伸縮等利用這些特徵就能夠進行有效防範了。

      隨着深度學習方法的應用，人臉識別技術的識別率已經獲得質的提高。人臉識別技術與其餘生物特徵識別技術相比，在實際應用中具備自然獨到的優點：經過攝像頭直接獲取，能夠非接觸的方式完成識別過程，方便快捷。而經過人臉識別與基於隨機動做指令的人臉活體檢測技術技術，很是好的解決了實名認證環節存在的風險與漏洞。

技術交流qq 283870550