活体检测技术哪家强？实测N种场景告诉你答案

首先，什么是活体检测技术？

活体检测是在一些身份验证场景确定对象真实生理特征的方法，在人脸识别应用中，活体检测能通过眨眼、张嘴、摇头、点头等组合动作（配合式），使用人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体操作。目前活体检测的方式主要分为三种，分别是：配合式活体检测、静默式活体检测、双目活体检测。

一般业界主要采用配合式或静默式的检测方案，为什么不是双目活体检测`因为，得有双目摄像头，而我们涉及身份验证的场景基本上都是在手机上验证，众所周知，手机的摄像头大多数是单目摄像头。除此之外，还有一个原因就是双目摄像头贵。

然后对于B端和C端用户，我们想要什么样的活体检测方案？ 第一，安全且检测精度高；第二，操作简单，不需要过多的动作配合；第三，成本低，不需要复杂的算力和硬件支持。

符合以上三点要求的方案是什么？理想状态下，就是能够实现高精度的静默式活体检测。静默活体检测简单来说，就是在用户无感的情况下直接进行活体校验。但是，现在业界普遍认为静默活体检测在安全性上存在局限性。所以，确保配合式活体检测安全性的同时且降低其配合度的要求，是目前业界主流的研究方向和目标。

接下来，博主将从静默式活体检测和配合式活体检测两种服务的角度切入，去尝试测试国内几大厂商的活体检测在识别用户是否为真人的能力到底怎么样？（华为、百度、旷视、易道博识）o(▼皿▼メ;)o。

当然，在现实场景中，活体检测技术只是安全验证中的一个环节，仅是用于判断镜头前的人是否为活体，该功能通常会与其他功能如人脸比对功能等一起使用，以提升安全性。本文仅测试活体检测功能，即使活体检测通过并不代表现实安全验证场景中确实存在隐患或风险。

那么，我们来尝试从这些角度测评，看看哪家AI更胜一筹？

第一个问题来了，针对静默式活体检测，我们怎么测试呢？<<-o(▼皿▼メ;)o

第一种，照片翻拍：在不同场景下，我使用A手机进行自拍，然后拿着B手机翻拍A手机已经拍好的自拍照片。第二种，视频翻拍：与照片翻拍同理，只不过是以视频的方式进行测试。

来吧，我们先进行静默式活体检测实验。首先，测试场景设置如下，其中包括无遮挡、戴口罩、戴眼镜、戴眼镜+口罩等对应照片/视频翻拍的8种测试场景：

然后，下面是上述的几家大厂针对静默式活体检测接口的测评结果（其中，√代表通过活体检测；×代表没有通过活体检测；No代表没有该提供服务接口，红线框代表检测结果错误，也代表我们未识别真人٩(๑>◡<๑)۶ ）。

对于静默式活体测试中，照片翻拍也通过活体检测的场景，我们给出如下的示例：

（备注：左侧为照片翻拍测试结果，右侧为测试采用的翻拍照片）
百度静默式活体检测，系统要求输入真人检测图片，我们将翻拍的照片导入了系统服务接口中，最终通过检测，百度未识别出翻拍的照片非真人。

（备注：左侧为视频翻拍测试素材，右侧为测试结果）

易道博识静默式活体检测，系统要求输入真人检测视频，我们将翻拍的视频导入了系统服务接口中，最终通过检测，易道博识未识别出翻拍的视频非真人。

根据我们测试的结果，让我们来一波简要的分析∑(ﾟДﾟノ)ノ：
• 首先，华为（HMS Core ML Kit静默活体检测）和旷视 成功识别出了所有的图片和视频测试素材非真人，恭喜！！
• 第二点，百度（在线图片活体 V3）在图片翻拍的场景1中出现了错误。而易道博识（静默式活体检测）的检测结果出现了很多错误，该厂商的纯静默式视频活体检测识别真人能力较弱。

那么，在生活中，我们经常使用的配合式活体检测，主要通过摇头、眨眼睛等动作的配合进行检测。现在，让我们来加大测试素材的复杂度，来看看更高准确性的配合式活体检测效果如何吧！！

由于配合式活体检测通常要求面部无遮挡，所以我们对动作的配合度进行测试<<-o(▼皿▼メ;)o，测试场景设置如下，其中包括针对真人、照片翻拍以及视频翻拍展开的细分测试场景设定：

然后，我们针对上图的3种设定场景进行测试，得到以下的测试结果（表格中的数值是每个场景30次实验中对应测试场景下通过活体检测的统计数量，并且我们希望数值越低越好，“No”表示暂不支持该动作检测）。

以上仅为在特殊限定条件下的测试，在不同光线、动作、环境下，测试结果可能会有出入。现实生活中，由于结合了人脸比对技术，实际识别为本人的准确性会显著提高，活体检测未识别真人次数统计表如下。

对于配合式活体检测测试的场景，我们给出如下的示例：

易道博识配合式活体检测，提示摇头，我们使用照片做出摇头动作，通过检测（画面显示可以进入下一轮评测），易道博识未识别出翻拍的照片非真人。

百度配合式活体检测，提示低头，我们使用照片做出点头动作，通过检测，百度未识别出翻拍的照片非真人。

看到这里，你是否开始担心上述的测试场景会真的出现在我们的日常生活场景呢？其实不用过度担心！因为活体检测技术只是安全验证中的一个环节，只能判断镜头前的人是否为活体，在现实场景中会与人脸比对等其他功能一起使用，实际准确性会显著提升。

尽管活体检测技术仅是安全验证的其中一个环节，但我们也还是要讨论和分析一下原因！

• 我们能够看到华为（HMS Core ML Kit互动式活体检测）和旷视的 识别真人的能力是最好的。此外，针对场景1和2，百度大脑和易道博识的AI并不能够对该场景（用照片做出点头或摇头的动作）进行很好地进行 高精度真人检测，其主要原因可能是AI缺乏在这种测试场景下的训练，存在潜在的安全隐患。同时，针对点头、摇头这种验证动作，博主建议，技术人员在开发配合式活体检测的时候，提高这2项验证动作的检测阈值。

最后，来个小结？

博主经过了完整的综合场景测评，根据静默式活体检测和配合式活体检测的结果、上手难易程度（便捷性越高，星级越高）、以及收费标准等指标，对这几家大厂的活体检测技术服务也做出以下评估结果。

此外，我们调研了这4家厂商的架构生态以及市场生态的情况，具体如下：

第一个华为HMS Core ML Kit， 华为HMS Core ML Kit活体检测服务不管是从便捷性还是安全性的角度，都较其他家好一些，处于业界领先水平。博主通过对比资料发现ML Kit的活体检测采用全新的一个模型多个任务技术，联合华为“昇腾”推理库对AI模型的加速效果，端到端同时检测人脸框和人脸关键68关键点，可以做到实时检测动作，响应时延达到毫秒级别。此外，博主通过SDK/API/Demo等方式上手实测，发现华为HMS Core ML Kit也具有集成快开发易、效率高、功能场景丰富等优势。华为通过HMS Core ML Kit已经面向全球数百万开发者开放了华为累积多年的AI能力，例如：“俄罗斯ReadEra使用HUAWEI ML Kit文本翻译提供多语种阅读服务”，“新加坡SG BusLeh集成HUAWEI ML Kit识别功能，提供更便捷的公交查询功能”等。

第二个旷视AI主打技术领导力的优势，其AI生产力平台Brain++主要包括MegEngine（算法）提供算法，MegCompute（算力）提供算力等3个部分。 其业务领域主要集中在计算机视觉的下游领域，例如：智慧城市，智慧物流等。旷视AI的合作案例主要集中在安防，城市治理等AIoT领域，例如：“从治理到智理 旷视助海淀城市大脑一臂之力”，“当存量工业厂房遇上AI 金隅工场实现智造升级”等。

第三个百度大脑也具有一定的AI全栈能力，一方面包括在边缘端硬件部署方案等；另一方面 其自主研发的PaddlePaddle开源框架随着中美摩擦的升级，国内的市场占有份额也是增长迅速。百度大脑的合作行业范围覆盖较广，其中包括智能政务，智能教育，智能零售等， 与华为、旷视不同的是还涉及智能医疗这个潜力赛道，在市场份额上也具有一定的优势。

第四个易道博识是一家专注于计算机视觉领域技术的研究和商业自动化应用的人工智能公司，主要的核心技术在OCR上面。易道博识的合作案例主要集中在数字金融领域，例如：AI+银行，AI+寿险等，相较于华为、百度、旷视，其市场生态还是薄弱一些。

最后，通过本文的实例测试、各大厂商的AI能力介绍以及相关生态的调研对比，希望给大家在选择活体检测技术时，提供一些参考和输入。相信大家看完之后，也会有自己的判断。