在生物識別系統(tǒng)中，為防止惡意者偽造和竊取他人的生物特征用于身份認證，生物識別系統(tǒng)需具有活體檢測功能，即判斷提交的生物特征是否來自有生命的個體。

一般生物特征的活體檢測技術利用的是人們的生理特征，例如活體指紋檢測可以基于手指的溫度、排汗、導電性能等信息，活體人臉檢測可以基于頭部的移動、呼吸、紅眼效應等信息，活體虹膜檢測可以基于虹膜振顫特性、睫毛和眼皮的運動信息、瞳孔對可見光源強度的收縮擴張反應特性等。

隨著深度學習方法的應用，人工智能的發(fā)展，人臉識別技術的識別率已經得到質的提升，通過反復開發(fā)試驗，人臉識別技術與其他生物特征識別技術相吃比，在實際應用中具有天然獨到的優(yōu)勢：通過攝像頭直接獲取，在非接觸的方式完成識別過程。通過人臉識別與證件識別的比對，目前我司的人臉識別技術已應用在金融、教育、景區(qū)、旅運、社保等領域。

人臉識別技術簡介

人臉識別技術主要分為兩部分：

第一部為前端人臉活體檢測技術，主要支持android、ios平臺，在前端通過眨眼、張嘴、搖頭、點頭等組合動作，確保操作的為真實活體人臉。

第二部為后臺人臉識別技術，該環(huán)節(jié)通過在活體檢測技術環(huán)節(jié)取得整張人臉圖像后，再通過掃描識別身份證，取到身份證頭像后，將現(xiàn)場人臉與身份證上的人臉進行比對識別，判斷是否為同一張人臉。

一個可以正常工作的人臉識別系統(tǒng)，除了實現(xiàn)識人之外，還需要其他的技術進行輔助，其中在人臉識別身份認證系統(tǒng)中很重要的一項技術就是活體檢測。

人臉識別系統(tǒng)除了“識人”之外，還需要“識真”，也就是說在系統(tǒng)面前，不僅要證明這個人的臉是不是這個人的臉，還要證明這張臉是不是活體的人臉，而不是圖片、視頻、或者帶著面具的人臉。

人臉活體檢測技術對攻擊有多重對抗措施，一起探究一下活體檢測中奧秘。

動作活體檢測

判斷用戶是否為正常操作，通過指定用戶做隨機動作（搖頭、點頭、凝視、眨眼、上下移動手機），防止視頻攻擊、非正常動作的攻擊。

人臉識別技術對于活體檢測的研究仍然需要“時空”的突破。無論是通過攝像頭拍攝真人還是照片，最終得到的都是一張二維圖片，因此對于攝像頭前是真人還是一張照片，目前的人臉識別技術難以判斷。另外，人臉識別對于雙胞胎、整容這類群體的識別也有待深入研究。人臉識別歸根結底是按照人的判斷標準，利用深度神經網(wǎng)絡和計算機技術，從人臉圖像中提取有效的識別特征進行身份判斷。人通過肉眼都難以判斷的情況下，以目前的技術和理論，還難以做出正確的識別。

近紅外人臉活體檢測

近紅外人臉活體檢測主要是基于光流法而實現(xiàn)。

近紅外人臉活體檢測無需指令配合，檢測成功率較高。根據(jù)光流法，利用圖像序列中的像素強度數(shù)據(jù)的時域變化和相關性來確定各自像素位置的“運動”，從圖像序列中得到各個像素點的運行信息，采用高斯差分濾波器、LBP特征和支持向量機進行數(shù)據(jù)統(tǒng)計分析。同時，光流場對物體運動比較敏感，利用光流場可以統(tǒng)一檢測眼球移動和眨眼。這種活體檢測方式可以在用戶無配合的情況下實現(xiàn)盲測。

靜默活體檢測

隨機動作活體檢測有著很高的安全性，但是按照指示讓用戶去做動作比較死板，對用戶來說體驗不是最好的。針對用戶體驗要求提高的要求，又出現(xiàn)了一種靜默活體檢測技術。不需要用戶做任何動作，只需要自然正對攝像頭三、四秒鐘，就可以完成整個檢測過程。真實的人臉和照片相比，即使不刻意做動作，也會有微表情存在的，比如眼皮、眼球的律動眨眼、嘴唇以及周邊面頰的伸縮等利用這些特征就可以進行有效防范了。

連續(xù)性檢測

和人臉檢測同時使用能夠更好的防止中途切換人。驗證人臉運動軌跡是否正常，如果中途換人會出現(xiàn)異常運動;從安全性角度能夠防止跳過活體檢測直接替換采集的照片。

此外，為了防止活體采集的照片被篡改，還可以對采集的照片進行加密處理，保障信息安全。

除了軟件外，還可以通過硬件+軟件的方式來進行活體檢測。升級配置3D攝像頭+活體檢測技術，判斷圖像中的人臉是否為真實人臉，防止圖片及視頻攻擊，進一步提升應用的安全性。