活体人脸检测方法研究

王明芳 曹盛文

摘要：随着人类社会的不断发展，人脸识别在安保、金融、电子政务等多领域具有广泛应用，目前人脸识别的研究着重于对用户个体的识别，忽略了对真伪人脸的区分，导致模仿用户人脸特征的伪造人脸可以骗过识别系统，本文对现有的活体人脸的检测方法进行了研究。

关键词：人脸识别;活体检测

中图分类号：TP391.41;TP18   文献标识码：A   文章编号：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

目前人脸识别已经被广泛应用到各大系统中，如解锁的系统、登录的系统、门禁的系统等，常见的伪造人脸的方式包括图片、视频及3D模型，对此，许多研究开始寻求辨别人脸真伪的技术，即人脸活体检测技术，对人脸的真实性进行判断，以提高人脸识别系统的准确性和安全性。

伪造人脸的攻击类型主要为

（1）人脸照片的攻击：包括各种人脸照片以模仿人脸运动，或者使用切割面部区域的打印照片等进行伪造人脸攻击。

（2）人脸视频的攻击：通过屏幕播放视频进行的人脸攻击，其显示与真实人脸活体具有相同的行为，具有用户运动的主要特征，这种类型的攻击具有照片中未呈现的运动迹象，例如：表情、点头、抬头等头部动作，以及嘴部运动等。

（3）人脸三维模型的攻击：在获得合法用户的人脸视频信息或者人脸照片后，非法用户通过真人3D建模的方式得到用户的3D模型，并根据3D模型制造人脸面具，面具的制造需要三维扫描和打印机，成本相对较昂贵，人脸面具这种欺骗方式比较少见，往往具有制作成本高、伪造效果不一定贴近真实人脸、面具材质与皮肤不一致的特点，一般研究的较少。

2 活体人脸检测目前的发展现状

人脸识别活体检测技术按检测原理主要分为四类：基于设备的活体人脸检测识别、基于分析图像纹理的活体人脸检测识别方法、基于用户配合的活体人脸检测识别方法和基于深度学习的活体人脸检测识别方法。

2.1基于设备的活体检测识别。Fourier变换是数字图像处理的基础，通过在频域和时域上的切换用于分析所提取的图像特征，可以在频域上对真假人脸进行判断。其分析方法相对简单，但鲁棒性不强，易受图像分辨率和光照等的影响。在人脸图像清晰时，其Fourier频谱图的高频分量较多，反之越少，随着高清摄像头的普遍应用，其不足之处突显出来。

2.2基于分析图像纹理的活体检测识别方法。眼睛和嘴巴是面部器官中构造稳定且可以运动的器官，眨眼睛和动嘴巴是有生命的活体正常的生理行为，而图片攻击中的人脸是无法进行上述活动的。因此，通过用户配合作出眨眼睛等生理行为是可以帮助识别待测对象是否为图片攻击的手段之一。

基于用户配合的活体人脸检测方法常见于现在一些手机应用软件进行身份验证，这种方法利用照片和视频中的人无法与机器进行互动的特点，让用户配合摇头或者微笑以及眨眼检测等，当用户完成其指定的动作后，判断其为活体。

在检测目标相对静止的情况下，真实人脸和伪造照片的本质区别主要表现在空间上，真实人脸是三维的，而照片是二维的，因此面向空间三维深度信息的活体检测方法被提出，由于只有通过相对摄像头的运动过程才能解析出人脸的三维深度信息，因此该方法不能适用于人脸相对静止时难以采集深度信息的检测场景。美国的FaceIt系统就是通过提示要求访问者进行眼部或是嘴部的动作以配合提取运动信息进行活体检测。

2.3基于深度学习的活体人脸检测。真实人脸是三维的，眼睛、额头、鼻尖等不同位置具有不同的深度信息，而照片人脸和视频人脸是二维的，不同点的深度信息相同，而且即使将照片进行折叠，也同样与真实人脸具有不同的深度信息，因此深度信息可以用来进行活体检测。

基于深度信息的人脸活体检测方法具有明显的优势：深度信息具有光照不变等特性，所以活体检测鲁棒性好;真实人脸深度图具有三维人脸的轮廓特征，与照片人脸和视频人脸的深度图有显著的差异;无须用户过多交互，对照片和视频攻击等具有较好的检测效果，但对于3D面具攻击的检测效果较差。基于深度信息分析的关键是如何得到深度图以及人脸特征点的三维深度坐标，利用单张图片或多张图片估计出的深度信息精度不高，想要得到较准确的深度信息则需要一些设备作为辅助。

3 活体人脸识别技术的应用

随着人脸识别技术在金融行业的风起，刷脸办卡、远程贷款、自主开户、刷脸支付越来越多的商业化应用也浮出水面。不仅仅是蚂蚁金服、微众银行等新兴互联网金融机构，传统金融机构如国有商行、证券、保险等均纷纷布局人脸识别技术。

活體人脸识别是人脸识别的重要保证，广泛应用于安全认证等领域中，如：手机端刷脸快速支付、重要网站的人脸管控等。人脸活体识别技术，可以更好的预防以及防止不法人员不良使用人脸的行为，从而保护个人、企业以及国家利益不受侵犯。同时，通过人脸活体识别，判断是否为活体，直接发出警告并记录不良行为，本文的研究目的是想通过深度学习，更为快速高效的解决某些重要平台的访问问题，对人脸进行监督管控，从而消除不良登录以及登录过程中换人等行为。综上，结合人脸检测的活体检测方法对于未来人脸识别的应用有着更重要的意义。

4 结语

近年来活体人脸检测技术已经取得了很大发展，产生了很多新颖的识别方法，由于人脸识别的鲁棒性受人脸自身和环境的复杂性的影响很大。所以它仍是目前一项非常具有挑战性的研究课题。

活体人脸检测技术已在多个领域得到了广泛应用，在这个看脸的时代，人脸识别技术将会越来越备受瞩目，其应用也会越来越广泛。

参考文献：

[1]黄叶珏，基于交互式随机动作的人脸活体检测，软件导刊，2015.14（2），26-27

[2]罗浩，人脸识别中的活体检测方法研究.[D].长沙：湖南师范大学.2015