一种人脸识别活体检测方法：基于背景的活体判断方法

目前活体判断的方法很多，但很难基于一种方法就能达到理想的效果，往往需要多种算法的交叉判断，本文主要介绍一种简单有效的活体判断方法。
在很多情况下，高清照片和真人在某些光线条件下在相机中的成像很接近，这就导致仅仅基于面部的特征很难准确判断活体。但是肉眼在某些情况下可以轻易的分辨活体与非活体，这时大脑的工作原理不是基于面部特征去判断的，而是基于某些可疑的背景信息，例如人手拿着pad或者照片在摄像头前，这是我们可以从背景信息中识别到活体攻击。
基于上述的原理，我们可以检测Pad，手机，照片等攻击媒介来过滤一些活体攻击。首先在检测到人脸后，以人脸为中心向外扩，形成一个比较大的区域，然后在此区域内进行攻击媒介的检测。如下图所示，在真人，照片攻击，Pad攻击时此区域的特征明显不同。

针对上述区域的攻击媒介检测方法有很多选择，可以提取LBP/HOG特征后进行分类，可以基于cascade进行物体检测，还可以基于深度学习的方式进行检测。
当然，基于该方法的活体判断在一些场景下会失效，例如照片离相机很近，图像范围内未检测到攻击媒介就识别不出是活体攻击。正如开始提到的，活体识别需要多个算法交叉检测，使用该方法可以识别出一部分的活体攻击，另外还需要更多的活体判断算法进行进一步的确认。后续会介绍更多其他的活体识别算法。
目前人脸识别厂商神目科技对外免费开放人脸识别及活体检测SDK，能够帮助开发者及创业者省去大量技术开发成本，可以登录神目AI开放平台 https://ai.deepcam.cn/#/home 下载获取。