大话人脸识别十六人脸的活体检测割双眼皮人脸识别
现在我们已经进入刷脸的时代,大家都认为这极大的方便了我们的生活,但科技永远是把双刃剑,能方便我们的生活,也能毁了我们的生活。
当2017年9月iPhone X推出时,它的人脸识别功能(刷脸)可是相当地科幻,但也有人怀疑这个是不是不太安全,比如就有一个段子:
如果老婆要偷查老公的手机,只需半夜拿着他的iPhone X手机对着他的脸晃一晃。
之后苹果回应,Face ID需要捕捉瞳孔,如果人睡着了或是紧闭双目,仅靠面部扫描是无法完成解锁或是支付的。也就是说,除非你是“睁眼睡觉的张飞”,不然iPhone X是不会被解锁的。虽然段子是假的,淘宝上还是有商家推出恶搞的睡觉面罩:
于是这就引出今天的话题,人脸识别的活体检测。
其实早在指纹识别开始流行之时,就有了活体检测的概念,其目的自然是为了防止别有用心之人用假的指纹模型去欺骗系统,采用的技术不外乎通过辅助手段来达到活体检测的目的,比如
识别皮肤的温度、人体皮肤的导电性能,排汗
等信息。
那么同属生物识别技术之一的人脸识别,技术日趋成熟,商业化应用愈加广泛,然而却因极易用照片、视频等方式进行攻击,存在较大的安全隐患。
为了解决这种安全威胁,人脸识别的活体检测也随着人脸识别技术本身,逐步发展,技术上也越来越成熟,一般来说,目前主流的人脸识别活体检测技术有以下几种:
1)动作指令活体检测
简单的说就是通过要求检测目标摇头,点头或眨眼睛等来判定是否活体。
现在大家常用的支付宝,就是用的这种方法,大家也一定非常熟悉了,在此不再赘述。
2)光流法活体检测
所谓光流,是图像亮度的运动信息描述,即空间运动物体在观测成像平面上的像素运动的“瞬时速度”。
从以上定义可以看出,运动的物体在摄像头里一定会产生光流信息,拿人脸来说,活体人脸就可以产生局部运动的光流信息,比如眨眼,眼球转动等,但脸部的其他部分并未产生明显的变动,这就导致人脸的光流信息从整张脸来看,是不规则的,如下图:
而如果是拿着一张人脸照片,那么由于这张人脸照片是静态,那么这张人脸照片的光流信息一定是规则的,如下图所示:
所以,通过判定人脸的光流特征是否规则,就能判定出这是一张照片还是活人。
3)3D摄像头活体检测
大家一定看过3D电影,相信很多人应该知道,拍摄(或制作)3D电影或播放3D电影,一定要有两部摄像机(拍摄)或放映机(放映),其原理就是模拟人的双眼之间的视觉差,以形成一个立体视觉效应。
那么3D摄像头就是利用这个原理,3D摄像头本质就是双目摄像头,即它有两个摄像头,它就像人的眼睛一样,能够进行活体检测。
通过3D摄像头立体成像,能够识别视野内空间每个点位的三维坐标信息,从而使得计算机得到空间的3D数据并能够复原完整的三维世界,并实现各种智能的三维定位,从而实现活体检测的目的。
当然,还有更多的人脸识别活体检测方法,不必借助3D双目摄像头即可实现,下面摘取一些有代表性的:
a. 是否一次成像:
根据图像是否一次成像的原理,采用比对照片中的中频细节信息,判定传送过来的人脸是否二次成像,优点显而易见,比如不需要用户的主动配合、实现简单、计算量小且功能独立,但缺点是建立起算法训练所需的样本数据很麻烦,因为这要求提供两种样本数据,活体的一次成像样本和非活体二次或多次成像样本,且这种活体检测方法只针对照片;
b. 亮瞳效应:
通过检测人脸的眼睛区域是否存在亮瞳效应来区分真实人脸和照片视频中的人脸。亮瞳效应的判断是利用亮暗瞳差分图像的眼睛区域是否存在圆形亮斑而定。另外,采集亮瞳图像所涉及的设备包括红外摄像头和由LED灯做成的红外光源。优点是照片和视频都可以,使可靠性增加。
c. 微表情:
通过判定人脸是否有微表情产生来判定是否活体,通过摄像头在一定时间内拍摄多张人脸照片,预处理后提取每张照片的面部本特征信息,将先后得到的面部特征信息进行对比分析获取特征相似度,设置合理阈值,若相似度在阈值范围内,则认为有微表情产生,识别为活体,否则为非活体。优点是不需要人脸部做大量的表情配合动作,缺点是只针对照片欺骗。
随着人脸识别系统的发展和演进,未来人脸识别活体检测一定是那种不需要用户主动配合,轻设备(即不需要添加额外附加设备),少交互,欺骗代价高的那种技术,现在也有越来越多的人脸识别算法公司及科研机构在朝这个方向迈进。
另外值得一提的是,人脸识别活体检测,也已经有了一些在线人脸识别活体检测库(如下图),因此不可否认的是,未来人脸识别活体检测云化也应该是一个趋势。
关于人脸识别的活体检测技术,还有许许多多的优秀算法,在此闻西就不一一做介绍了,只是希望不要因为iPhone X是通过3D双目摄像头来进行人脸识别活体检测,就认为人脸识别的活体检测必须要用双目摄像头来实现,相信未来的发展技术一定会渐渐的甩开这个趋势,朝着轻设备,云端化的方向发展。
无论如何发展,都是非常值得期待的。
当然,更值得期待的,还有人脸识别的落地应用。
且看下回分解:抓逃犯哪家强呢?