活體檢測配合式是通過使用者一些簡單的動作（點頭搖頭等）進行檢測，但是這個對使用者的體驗不太好，非配合式活體檢測相對更加靈活，非配合式活體檢測對演算法要求更高，對使用者體驗也更友好。非配合式活體根據成像源的不同，一般分為紅外影象、3d 結構光和 rgb 影象三種技術路線，這三種路線又根據應用場景不同而各有優劣。
一、紅外影象活體檢測
基於紅外影象的活體檢測，需要用到紅外攝像頭。紅外影象濾除了特定波段的光線，天生抵禦基於螢幕的假臉攻擊。不管是可見光還是紅外光，本質都是電磁波。物體成像與其表面材質的反射特性有關。真實人臉和紙片、螢幕、立體面具等攻擊媒介的反射特性都是不同的，所以成像效果也不同。這種表面材質差異在紅外波反射方面會更加明顯。當螢幕上的人臉出現在紅外攝像頭前，紅外成像的畫面裡只有白花花一片，連人臉都無法顯示，攻擊也就無法得逞。
特點：紅外影象活體檢測成本中等，對螢幕和紙張類攻擊防禦能力優秀，對面具類攻擊防禦能力中良好。
二、3d結構光活體檢測
三、rgb影象
rgb單目活體檢測採用普通rgb攝像頭即可，通過分析採集摩爾紋、成像畸形、反射率等人像破綻，從而獲得活體檢測所需要的識別資訊，通過多維度的識別依據保證了識別的準確性。
特點：rgb活體檢測應用歷史較久，成本較低，對螢幕和紙張類攻擊防禦性良好，對面具類攻擊防禦性一般。
活體檢測方法
紋理分析，包括計算臉部區域上的區域性二進位制圖案 lbp 並使用svm將臉部分類為真實或欺騙。的紋理特徵是重要的依據，給2d 拍照，比起給3d真人拍照，會損失一些紋理。頻率分析，例如檢查面部的傅利葉域。臉部的頻率組成，也不像真人那樣豐富。可變聚焦分析，例如檢查兩個連續幀之間的畫素值變化。連拍兩張 聚...
非互動式人臉活體檢測（002）
人機互動的活體檢測方法需要通過對人臉做出實時響應來判斷是否為活體，通常採用的方法有臉部姿態和讀取指定數字等。演算法整體流程如下 重點的重點是不合規姿態下，要有反饋提示！二 人臉特徵點提取 在此專案中，使用了dlib 官方訓練好的模型 shape predictor 68 face landmarks...
關於活體檢測的一些理論方法
最近研究活體檢測，主要是針對防止身份證 攻擊，通過提示使用者完成某些動作進行識別 想要檢測使用者的動作，最基礎的乙個前提，必須將人臉的特徵點提取出來，才能做之後的判斷 opencv自帶的方法貌似只能畫出矩形的人臉框，我們必須要準確檢測出眼睛鼻子和人臉的輪廓，從網上找了兩個人臉特徵提取庫 1.intr...