人脸识别干货讲解：活体检测算法总结

这些年，我们可以看到人脸识别在超市、高铁站、机场等场所的应用，大大提高了我们购物和出行的效率，但同时也带来了人脸识别的安全隐患，尤其是在金融支付领域。很多头部大厂都在争夺这方面的制高点，刷脸支付领域是他们的必争之地，都在研发安全性更高的人脸支付产品，彰显了活体检测的重要地位。活体检测更多知识点见文章：https://www.quickconn.net.cn/#/insight/showPaper.html?paperId=62，学习活体检测的原理与应用。

下面介绍三种较为流行、效果较好的活体检测算法。

Learning Facial Liveness Representation for Domain Generalized Face Anti-Spoofing

脸部反欺骗（FAS）的目的是将脸部欺骗攻击与真实攻击区分开来，这通常是通过学习适当的模型来完成相关的分类任务。在实践中，人们希望这种模型能够被推广到不同图像领域的FAS。此外，假设事先知道欺骗攻击的类型是不现实的。在本文中，Zih-ChingChen和Lin-HsiTsao提出了一个深度学习模型来解决上述领域通用的人脸反欺骗任务。值得一提的是，他们提出的网络能够将面部的有效性表示与不相关的表示（即面部内容和图像领域特征）分开。由此产生的活泼性表征表现出足够的领域不变性，因此它可以被应用于执行领域通用的FAS。