活體人臉檢測方法研究

王明芳 曹盛文

摘要：隨著人類社會的不斷發展，人臉識別在安保、金融、電子政務等多領域具有廣泛應用，目前人臉識別的研究著重于對用戶個體的識別，忽略了對真偽人臉的區分，導致模仿用戶人臉特征的偽造人臉可以騙過識別系統，本文對現有的活體人臉的檢測方法進行了研究。

關鍵詞：人臉識別;活體檢測

中圖分類號：TP391.41;TP18?? 文獻標識碼：A?? 文章編號：1672-9129（2020）04-0041-01

Abstract： with the continuous development of human society， human face recognition in many domains such as security， financial， e-government has wide application， the current face recognition research focuses on the recognition of individual users， ignores to the distinction between the true face， lead to imitate the user face feature of bogus face can trick recognition system， in this paper， the existing living human face detection method is studied.

Key words：Face recognition; Live testing

1 引言

目前人臉識別已經被廣泛應用到各大系統中，如解鎖的系統、登錄的系統、門禁的系統等，常見的偽造人臉的方式包括圖片、視頻及3D模型，對此，許多研究開始尋求辨別人臉真偽的技術，即人臉活體檢測技術，對人臉的真實性進行判斷，以提高人臉識別系統的準確性和安全性。

偽造人臉的攻擊類型主要為

（1）人臉照片的攻擊：包括各種人臉照片以模仿人臉運動，或者使用切割面部區域的打印照片等進行偽造人臉攻擊。

（2）人臉視頻的攻擊：通過屏幕播放視頻進行的人臉攻擊，其顯示與真實人臉活體具有相同的行為，具有用戶運動的主要特征，這種類型的攻擊具有照片中未呈現的運動跡象，例如：表情、點頭、抬頭等頭部動作，以及嘴部運動等。

（3）人臉三維模型的攻擊：在獲得合法用戶的人臉視頻信息或者人臉照片后，非法用戶通過真人3D建模的方式得到用戶的3D模型，并根據3D模型制造人臉面具，面具的制造需要三維掃描和打印機，成本相對較昂貴，人臉面具這種欺騙方式比較少見，往往具有制作成本高、偽造效果不一定貼近真實人臉、面具材質與皮膚不一致的特點，一般研究的較少。

2 活體人臉檢測目前的發展現狀

人臉識別活體檢測技術按檢測原理主要分為四類：基于設備的活體人臉檢測識別、基于分析圖像紋理的活體人臉檢測識別方法、基于用戶配合的活體人臉檢測識別方法和基于深度學習的活體人臉檢測識別方法。

2.1基于設備的活體檢測識別。Fourier變換是數字圖像處理的基礎，通過在頻域和時域上的切換用于分析所提取的圖像特征，可以在頻域上對真假人臉進行判斷。其分析方法相對簡單，但魯棒性不強，易受圖像分辨率和光照等的影響。在人臉圖像清晰時，其Fourier頻譜圖的高頻分量較多，反之越少，隨著高清攝像頭的普遍應用，其不足之處突顯出來。

2.2基于分析圖像紋理的活體檢測識別方法。眼睛和嘴巴是面部器官中構造穩定且可以運動的器官，眨眼睛和動嘴巴是有生命的活體正常的生理行為，而圖片攻擊中的人臉是無法進行上述活動的。因此，通過用戶配合作出眨眼睛等生理行為是可以幫助識別待測對象是否為圖片攻擊的手段之一。

基于用戶配合的活體人臉檢測方法常見于現在一些手機應用軟件進行身份驗證，這種方法利用照片和視頻中的人無法與機器進行互動的特點，讓用戶配合搖頭或者微笑以及眨眼檢測等，當用戶完成其指定的動作后，判斷其為活體。

在檢測目標相對靜止的情況下，真實人臉和偽造照片的本質區別主要表現在空間上，真實人臉是三維的，而照片是二維的，因此面向空間三維深度信息的活體檢測方法被提出，由于只有通過相對攝像頭的運動過程才能解析出人臉的三維深度信息，因此該方法不能適用于人臉相對靜止時難以采集深度信息的檢測場景。美國的FaceIt系統就是通過提示要求訪問者進行眼部或是嘴部的動作以配合提取運動信息進行活體檢測。

2.3基于深度學習的活體人臉檢測。真實人臉是三維的，眼睛、額頭、鼻尖等不同位置具有不同的深度信息，而照片人臉和視頻人臉是二維的，不同點的深度信息相同，而且即使將照片進行折疊，也同樣與真實人臉具有不同的深度信息，因此深度信息可以用來進行活體檢測。

基于深度信息的人臉活體檢測方法具有明顯的優勢：深度信息具有光照不變等特性，所以活體檢測魯棒性好;真實人臉深度圖具有三維人臉的輪廓特征，與照片人臉和視頻人臉的深度圖有顯著的差異;無須用戶過多交互，對照片和視頻攻擊等具有較好的檢測效果，但對于3D面具攻擊的檢測效果較差?；谏疃刃畔⒎治龅年P鍵是如何得到深度圖以及人臉特征點的三維深度坐標，利用單張圖片或多張圖片估計出的深度信息精度不高，想要得到較準確的深度信息則需要一些設備作為輔助。

3 活體人臉識別技術的應用

隨著人臉識別技術在金融行業的風起，刷臉辦卡、遠程貸款、自主開戶、刷臉支付越來越多的商業化應用也浮出水面。不僅僅是螞蟻金服、微眾銀行等新興互聯網金融機構，傳統金融機構如國有商行、證券、保險等均紛紛布局人臉識別技術。

活體人臉識別是人臉識別的重要保證，廣泛應用于安全認證等領域中，如：手機端刷臉快速支付、重要網站的人臉管控等。人臉活體識別技術，可以更好的預防以及防止不法人員不良使用人臉的行為，從而保護個人、企業以及國家利益不受侵犯。同時，通過人臉活體識別，判斷是否為活體，直接發出警告并記錄不良行為，本文的研究目的是想通過深度學習，更為快速高效的解決某些重要平臺的訪問問題，對人臉進行監督管控，從而消除不良登錄以及登錄過程中換人等行為。綜上，結合人臉檢測的活體檢測方法對于未來人臉識別的應用有著更重要的意義。

4 結語

近年來活體人臉檢測技術已經取得了很大發展，產生了很多新穎的識別方法，由于人臉識別的魯棒性受人臉自身和環境的復雜性的影響很大。所以它仍是目前一項非常具有挑戰性的研究課題。

活體人臉檢測技術已在多個領域得到了廣泛應用，在這個看臉的時代，人臉識別技術將會越來越備受矚目，其應用也會越來越廣泛。

參考文獻：

[1]黃葉玨，基于交互式隨機動作的人臉活體檢測，軟件導刊，2015.14（2），26-27

[2]羅浩，人臉識別中的活體檢測方法研究.[D].長沙：湖南師范大學.2015