人脸活体检测算法设计

简介

人脸活体验证是人脸识别过程中重要的一环，主要用以区分真实人脸与假脸图像，能够识别通过纸张打印、屏幕翻拍、3D模型等场景的欺骗行为。我们在算法设计阶段，尝试了不同的方法，包括SVM、LBP、深度学习等，针对单一场景或者摄像头，能够得到不错的效果，但是没有得到一个能够适配多种摄像头的活体算法

算法简介

我们将我们训练的HyperFAS其中一个模型开放出来，逆光等情况下效果不是很好，大家可以作为参考：https://github.com/zeusees/HyperFAS

数据

这个模型我们大约采用了36w张图像，其中假脸18w张，真脸18w万张，包括纸张、屏幕，也采用了大部分公开的假脸数据集。

分类

活体检测的方法，从区分方法来分类，可以分为两种：一种是配合型活体检测，通过人脸的偏转，眨眼，张嘴等动作，判断是否为真人；第二种为静默活体，这种方式不需要用户配合，通过检测到的图像特征，用以判别图像的真实性。
两种方式各有优缺点，首先对于配合型活体检测，个人感觉这种方式安全性要高一些，没有确切的数据支撑，只是感觉，因为各大银行app，支付宝等，在进行人脸核验的时候，大多采用了这种方式，需要用户配合相应的动作。

配合型活体检测

配合型活体检测可以通过人脸关键点检测辅助来做ÿ