人臉識(shí)別活體檢測(cè)技術(shù)探討

人臉識(shí)別活體檢測(cè)技術(shù)探討：多物理特征融合加分類器的算法技術(shù)

隨著人臉識(shí)別、人臉解鎖等技術(shù)在金融、門禁、考勤、人證合一等日常生活中的廣泛應(yīng)用，人臉?lè)纻?/span>/活體檢測(cè)（Face Anti-Spoofing）技術(shù)在近年來(lái)得到了越來(lái)越多的關(guān)注。

簡(jiǎn)單來(lái)說(shuō)，活體檢測(cè)就是要識(shí)別出成像設(shè)備（攝像頭、手機(jī)等）上檢測(cè)到的人臉圖像是來(lái)自真實(shí)的人臉，還是某種形式的攻擊或偽裝。這些攻擊形式主要包括照片（包括紙質(zhì)照片和手機(jī)、平板等電子設(shè)備上的照片）攻擊、視頻回放攻擊、面具攻擊等。

活體檢測(cè)包括普通彩色（RGB）攝像頭上的檢測(cè)，也包括紅外攝像頭、三維深度攝像頭上的檢測(cè)。后面兩種相對(duì)容易實(shí)現(xiàn)，這里主要討論普通RGB攝像頭上的活體檢測(cè)。 ?

以前的動(dòng)作活體檢測(cè)的方式具有很高的安全性，但要求用戶配合做幾個(gè)動(dòng)作，因此體驗(yàn)不好。現(xiàn)在的活體檢測(cè)不需要用戶動(dòng)作配合，被稱作靜默活體檢測(cè)。 此外，活體檢測(cè)要求實(shí)時(shí)完成，在不超過(guò)1秒，最好在300毫秒內(nèi)完成識(shí)別。

現(xiàn)在主流的活體識(shí)別算法基本可以分為兩種類型。第一個(gè)類型使用特定的某種物理特征，或多種物理特征的融合，通過(guò)深度學(xué)習(xí)方面的訓(xùn)練分類器，來(lái)區(qū)分是活體，還是攻擊（或者是哪種形式的攻擊）。另一個(gè)方式是使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）的方法，直接在RGB圖像（或者轉(zhuǎn)換到其它色度空間）上使用深度神經(jīng)網(wǎng)絡(luò)來(lái)提取特征，最后通過(guò)分類器來(lái)區(qū)分是活體還是非活體。為了提取時(shí)間上多幀而不是單幀的信息，也可以結(jié)合使用RNN的方法。CNN的方法能達(dá)到很好的效果，但通常比較耗時(shí)，不能滿足實(shí)際應(yīng)用中嵌入式設(shè)備的實(shí)時(shí)識(shí)別的要求。而且，當(dāng)物理特征挑選使用恰當(dāng)時(shí)，第一種方法能夠達(dá)到非常好、甚至超越CNN的效果。

活體檢測(cè)中的物理特征主要分為紋理特征、顏色特征、頻譜特征、運(yùn)動(dòng)特征、圖像質(zhì)量特征等，此外，還包括心跳特征等。其中紋理特征包括很多，但最主流的是LBP、HOG、LPQ等。顏色特征除了RGB之外，學(xué)術(shù)界發(fā)現(xiàn)HSV或YCbCr具有更好的區(qū)分活體非活體的性能，被廣泛用作不同的紋理特征上。頻譜特征的原理是活體、非活體在某些頻段具有不同的響應(yīng)。運(yùn)動(dòng)特征提取目標(biāo)在不同時(shí)間上的變化，是一個(gè)有效的辦法，但通常耗時(shí)較久，達(dá)不到實(shí)時(shí)的要求。圖像質(zhì)量特征有很多描述方式，比如反射、散射、邊緣或形狀等。

經(jīng)過(guò)多種算法的比較，我們的活體檢測(cè)選用了多種物理特征融合加上分類器的算法。我們的計(jì)算優(yōu)勢(shì)體現(xiàn)在以下幾個(gè)方面。

1）?我們的物理特征選用了上面描述的其中幾種，涵蓋了紋理特征、顏色、頻譜特征、圖像質(zhì)量特征，和可選的運(yùn)動(dòng)特征。

2）?我們研究了幾種融合方式：i)在特征上進(jìn)行融合；ii）在自動(dòng)編碼器（auto encoder）上進(jìn)行融合；iii）在分類得分上融合。我們選用了準(zhǔn)確率最高，易用性好，速度快的方法。

3）?我們使用的分類器算法超越傳統(tǒng)的支持向量機(jī)（SVM）算法，使用了最新深度學(xué)習(xí)方法，比如center loss。

算法經(jīng)過(guò)優(yōu)化之后，可以有效提取各種攝像頭上的活體和非活體的不同響應(yīng)，根據(jù)我們?cè)诙鄠€(gè)主流廠家攝像頭及手機(jī)的測(cè)試結(jié)果表明，識(shí)別準(zhǔn)確率達(dá)到99%以上。同時(shí)，實(shí)時(shí)性能優(yōu)異，能在300毫秒內(nèi)快速完成識(shí)別。 ?

當(dāng)然，泛化性能對(duì)所有活體識(shí)別來(lái)說(shuō)都是一個(gè)挑戰(zhàn)，這需要采集海量的數(shù)據(jù)來(lái)進(jìn)行訓(xùn)練，涵蓋市面上主要的手機(jī)、攝像頭型號(hào)。我們希望使用我們的SDK的開(kāi)發(fā)者們，可以分享你們能獲取的活體、非活體照片，以便于我們進(jìn)一步優(yōu)化我們算法的準(zhǔn)確率。

?

?