人臉活體驗證是人臉識別過程中重要的一環，主要用以區分真實人臉與假臉影象，能夠識別通過紙張列印、螢幕翻拍、3d模型等場景的欺騙行為。我們在演算法設計階段，嘗試了不同的方法，包括svm、lbp、深度學習等，針對單一場景或者攝像頭，能夠得到不錯的效果，但是沒有得到乙個能夠適配多種攝像頭的活體演算法
我們將我們訓練的hype***s其中乙個模型開放出來，逆光等情況下效果不是很好，大家可以作為參考：
這個模型我們大約採用了36w張影象，其中假臉18w張，真臉18w萬張，包括紙張、螢幕，也採用了大部分公開的假臉資料集。
配合型活體檢測可以通過人臉關鍵點檢測輔助來做，人臉關鍵點演算法發展相對成熟，實習場景可用的開源演算法包括dlib，hyperlandmark，sdm等，當然，商業版的演算法效果更好，商湯、曠視等視覺大廠都有對應的實現。演算法的設計流程，可以參考： ，支付寶mnnkit公開了乙個基於landmark的人臉動作判斷sdk，大家可以參考 改模型可以直接呼叫，節省了開發時間。
靜默活體，即使用者不需要進行配合，在考勤機，刷臉機，門禁等場景應用較多，這種方法大多依賴大量真臉/假臉資料的支撐。在cvpr2020的文章《searching central difference convolutional networks for face anti-spoofing》，作者提出了中心差分卷積進行活體檢測，取得了當前最好的效果。相關**： 我們也利用該模型，進行了一定程度的修改、剪裁，是的能夠在移動端使用。
如果能夠採集到足夠多的偽造假臉影象，靜默活體的問題相對簡單，二分類得到的效果也不會差，在缺少資料的情況下，研究人員採用了各種技巧，提高基於深度學習演算法的泛化能力，準確度。大家感興趣的可以嘗試一下上文提到的幾個**，希望能有所幫助。
源**：
北京智雲檢視科技****
人臉人臉比對，活體檢測
手機攝像頭拍人臉自動比對識別的技術,活體檢測技術 手機攝像頭拍人臉自動比對識別的技術,活體檢測技術產品背景 隨著深度學習方法的應用，手機攝像頭拍人臉自動比對識別的技術技術的識別率已經得到質的提公升，目前我司的手機攝像頭拍人臉自動比對識別的技術率已經達到99 手機攝像頭拍人臉自動比對識別的技術技術與其...
人臉活體檢測資料
目前，主流的活體檢測技術基於攝像頭型別可分為 基於2d人臉活體檢測和基於3d人臉活體檢測。兩種演算法目前都有實際的案例。從識別精度出發，3d人臉活體檢測遠勝於2d人臉活體檢測，因為3d影象的深度通道可以獲取2d影象中沒有的距離資訊，對 欺騙等欺騙方式具有更好的鑑別能力。目前，支付寶及部分銀行已經開始...
人臉識別活體檢測技術
隨著深度學習方法的應用，識別人臉影象的技術的識別率已經得到質的提公升，目前識別人臉影象的技術率已經達到99 識別人臉影象的技術與其他生物特徵識別技術相比，在實際應用中具有天然獨到的優勢 通過攝像頭直接獲取，可以非接觸的方式完成識別過程，方便快捷。目前識別人臉影象的技術已應用在金融 教育 景區 旅運 ...