人臉識別檢測系統實現原理 基於傳統特徵的世紀晟靜默活體檢測

過去一年與以往幾年相比，在方法和技術層面的一個核心趨勢是：人臉識別相關技術已經全面深度化。

 

通常的人臉識別檢測流程

 

(1) 人臉檢測

在人臉檢測方面，目前主流的方法是通用目標檢測中的R-CNN等這類方法。人臉檢測曾被認爲是一個已經解決的問題，事實上並非，在人臉分辨率極低、姿態很大、背光、偏光、極低照度等惡劣光照條件下，仍是會有不少漏檢。

(2) 人臉關鍵點檢測

對於第二個步驟，即特徵點定位，咱們感受去年的一個趨勢是從過去流行的基於深度特徵學習的Cascaded Shape Regression策略，到引入RNN這樣的循環神經網絡策略。主流的方法仍然是採用各類深度卷積神經網絡（DCNN），特別是ResNet，來學習更有判別力的特徵。

(3) 處理信息

經過關鍵點拿到有關人臉的信息，直接繪製人臉的輪廓

 

人臉檢測是人臉識別的第一步。隨着人工智能技術的逐漸成熟，人臉識別的商業化應用愈來愈多，然而在安全概念上卻都存在很大的侷限性。事實上，人臉識別的下一個科技爆發點將是普遍的利用生物識別，但如何低成本的遏制惡意利用仿真頭套、全息投影等方式破解人臉識別。活體檢測在無人值守場景下的人臉識別商業應用中顯得相當重要。

 

基於傳統特徵實現的靜默活體檢測技術

 

靜默活體檢測與動態活體檢測相反，主要是在沒有眨眼、張嘴、數數等一系列的動做配合下來判斷究竟是不是一個真活人，不只技術上實現難度更高，在實際應用中對準確性要求也更高，提升準確度。

 

靜默活體檢測主要特性：

 

1)速度快：無需動做指令配合，可以在更短期內出結果；

2)天然性好：不管是在有意識和無心識的狀況下，均不影響檢測結果，不一樣與步態識別能夠有意識的後天模仿和改變；

3)簡單方便：無需攜帶卡,識別速度快，操做簡單便捷；

4)非接觸性：無需接觸設備，不用擔憂病毒的接觸性傳染，既衛生，又安全。

 

基於PCA和SURF的活體檢測

（1）檢測系統實現原理：

傳統特徵有LBP、SIFT、SURF、HOG等，這裏咱們使用了SURF，計算生成特徵描述子，並利用PCA將這些特徵描述子投影到主成分，而後利用GMM進行主成分編碼，獲得一個長度爲76800的特徵碼，最後送入SVM二分類。

（2）基於PCA和SURF的活體檢測

 

基於傳統圖像處理特徵算子的方法在實際應用和測試過程當中，或多或少的都會受到光線、角度和距離等不可抗因素的影響，因此咱們在算法實際設計過程當中作了相關改進，如引入PCA主成分分析，以及加入LBP特徵，實現雙重特徵的重檢，以增長算法的魯棒性能。

目前，基於PCA技術的靜默活體檢測系統（IOS版）的主要目的，即是在提升用戶體驗感的前提下實現人臉識別活體檢測的配合，並提供最佳的活體檢測方案。在活體檢測方案，世紀晟科技一直在不斷努力，在擁有自主核心算法的３D人臉檢活識別技術以後又推出了世紀晟靜默活體檢測技術，基於傳統特徵的世紀晟靜默活體檢測在將來落地應用上還將擁有更大的優點。