人臉識(shí)別門(mén)禁活體檢測(cè)常用方法
發(fā)布時(shí)間：2020-11-13 ｜ 作者：安居樂(lè)人臉識(shí)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(cè)的方式具有很高的安全性，但要求用戶配合做指定動(dòng)作，因此實(shí)際用戶體驗(yàn)較差。為了實(shí)現(xiàn)無(wú)感通行的效果，人臉識(shí)別門(mén)禁很少采用響應(yīng)指令的動(dòng)作活體檢測(cè)，通常基于圖像和光學(xué)效果的差別實(shí)施活體甄別
動(dòng)態(tài)活體檢測(cè)的方式具有很高的安全性，但要求用戶配合做指定動(dòng)作，因此實(shí)際用戶體驗(yàn)較差。為了實(shí)現(xiàn)無(wú)感通行的效果，人臉識(shí)別門(mén)禁很少采用響應(yīng)指令的動(dòng)作活體檢測(cè)，通常基于圖像和光學(xué)效果的差別實(shí)施活體甄別。
1、普通攝像頭活體檢測(cè)
雖然沒(méi)有配合指令的動(dòng)作響應(yīng)，但真實(shí)的人臉也不是絕對(duì)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(cè)，檢測(cè)系統(tǒng)可以輕松的對(duì)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(xí)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器，以區(qū)分是活體，還是攻擊。活體檢測(cè)中的物理特征主要分為紋理特征、顏色特征、頻譜特征、運(yùn)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(xiàn)HSV或YCbCr具有更好的區(qū)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(yīng)。
運(yùn)動(dòng)特征提取目標(biāo)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(dá)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(shí)別門(mén)禁
2、紅外攝像頭活體檢測(cè)
紅外人臉活體檢測(cè)主要是基于光流法而實(shí)現(xiàn)。光流法是利用圖像序列中的像素強(qiáng)度數(shù)據(jù)的時(shí)域變化和相關(guān)性來(lái)確定各像素位置的“運(yùn)動(dòng)”，即從圖像序列中得到各個(gè)像素點(diǎn)的運(yùn)行信息，采用高斯差分濾波器、LBP特征和支持向量機(jī)進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析。
同時(shí)，光流場(chǎng)對(duì)物體運(yùn)動(dòng)比較敏感，利用光流場(chǎng)可以統(tǒng)一檢測(cè)眼球移動(dòng)和眨眼。這種活體檢測(cè)方式可以在用戶無(wú)配合的情況下實(shí)現(xiàn)盲測(cè)。
從上述兩張圖的對(duì)比可以看出，活體人臉的光流特征顯示為不規(guī)則的向量特征，而照片人臉的光流特征則是規(guī)則有序的向量特征，以此即可區(qū)分活體和照片。
3、3D攝像頭活體檢測(cè)
通過(guò)3D攝像頭拍攝人臉，獲取相應(yīng)的人臉區(qū)域的3D數(shù)據(jù)，基于這些數(shù)據(jù)，選擇最具有區(qū)分度的特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器，最終利用訓(xùn)練好的分類器區(qū)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(wěn)定性和魯棒性。
下一篇：沒(méi)有了
安居樂(lè)樓宇對(duì)講ANJULEY
安居樂(lè)阿里店鋪
安居樂(lè)淘寶店鋪