1 静默活体检测技术
活体检测技术主要判别机器前出现的人脸是真实的还是伪造的,其中借助其他媒介呈现的人脸都可以定义为虚假的人脸,包括打印的照片、显示屏幕视频、硅胶面具、立体的3D人像等。目前主流的活体检测方案为配合式活体检测和非配合式活体检测(静默活体检测)等。配合式活体检测需要用户根据提示完成指定的动作,然后进行活体校验,静默活体检测与动态活体检测相反,主要在没有眨眼、张嘴等一系列的动作配合下判断到底是不是一个真活体,不仅在技术上实现难度更高,在实际应用中对准确性要求也更高,简言之, 静默活体检测则在用户无感的情况下直接进行活体校验,具有更好的用户体验。
非配合式活体根据成像源的不同一般分为红外图像、3D 结构光和 RGB 图像三种技术路线:红外图像滤除了特定波段的光线,天生抵御基于屏幕的假脸攻击;3D 结构光引入了深度信息,能够很容易地辨别纸质照片、屏幕等 2D 媒介的假脸攻击;RGB 图片主要通过屏幕拍摄出现的摩尔纹、纸质照片反光等一些细节信息进行判别。基于以上分析不难发现,基于 RGB 图片的活体检测与其他两种方法相比,仅能通过图像本身的信息进行判别,在实际的开放场景中面临着更大的挑战性。
2 静默活体检测特点:
- 1 速度快:无需动作指令配和,能够在更短的时间内出结果。
- 2、自然性好:无论是在有意还是无意的情况喜喜啊,均不影响检测结果,不同于其他识别可以有意识的后天模仿和改变。
- 3、简单方便:识别速度快,操作简单便捷。
- 4、非接触性。
3 相关应用原理
3.1 基于PCA和SURF的活体检测
基于传统特征的世纪晟静默活体检测 。
(1)检测系统实现原理:
传统特征有LBP、SIFT、SURF、HOG等,这里我们使用了SURF,计算生成特征描述子,并利用PCA将这些特征描述子投影到主成分,然后利用GMM进行主成分编码,得到一个长度为76800的特征码,最后送入SVM二分类