基于随机动作指令的人脸活体检测技术

随着大数据时代的到来，个人信息安全问题日益严峻，基于图像处理的人脸识别和检测技术得到了广泛的应用。然而，目前人脸检测技术都是针对数量较小的人脸图像，随着大数据概念的深入，图像大数据处理将对人脸识别技术提出更高要求。在最原始的基于人脸识别系统中，基于当前拍摄的人脸照片与预先存储的人脸照片之间的比对，来进行身份验证。然而，当将被仿冒者本人的照片置于这种基于人脸照片比对的身份验证系统中的摄像头前时，这种基于人脸照片比对的身份验证系统可能通过用户身份验证。换言之，恶意用户可以使用被仿冒者的照片来进行恶意攻击(即，照片攻击)，这种基于人脸照片比对的人脸识别系统不能抵抗照片攻击。于是，人脸活体检测技术应运而生。

对人脸识别系统的攻击，主要有3类：照片攻击、视频攻击和3D模型攻击。非法 分子或者假冒用户在获得合法用户的照片或视频后，使用合法用户的照片或视频作为伪造 的人脸试图欺骗系统。为了区分真实人脸以及照片、视频，防范人脸识别系统可能遭受的攻击，就需要应用人脸活体检测技术。

人脸活体检测主要是通过识别活体上的生理信息来进行，它把生理信息作为生命特征来区分用照片、硅胶、塑料等非生命物质伪造的生物特征。为了确保你是“活的你”，人脸活体检测通常包含几个鉴别步骤，比如眨眼判别：对于可以要求用户配合的应用系统，要求用户眨眼一到两次，人脸识别系统会根据自动判别得到的眼睛的张合状态的变化情况来区分照片和人脸；或者嘴部张合判别：与眨眼判别类似，要求用户张开、闭合嘴巴一到两次，人脸识别系统据此区分照片与真实人脸。

人脸活体检测主要内容包括：人脸检测、3D检测、活体算法检测、连续性检测等。下面就分别讲解一下。

人脸检测：定位人脸在哪里，检测活体过程中是否出现无人脸、多人脸的情况，可有效防止两个人的切换或人与照片的切换。

3D检测：验证采集到的是否为立体人像，能够防止平面照片、不同弯曲程度的照片等。

活体算法检测：判断用户是否为正常操作，通过指定用户做随机动作（摇头、点头、凝视、眨眼、上下移动手机），防止视频攻击、非正常动作的攻击。

连续性检测：和人脸活体检测同时使用能够更好的防止中途切换人。验证人脸运动轨迹是否正常，如果中途换人会出现异常运动；从安全性角度能够防止跳过人脸活体检测直接替换采集的照片。

人脸活体检测通常包含的几个鉴别步骤，比如：

眨眼判别：对于可以要求用户配合的应用系统，要求用户眨眼一到两次，人脸活体检测系统会根据自动判别得到的眼睛的张合状态的变化情况来区分照片和人脸；

嘴部张合判别：与眨眼判别类似，要求用户张开、闭合嘴巴一到两次，人脸活体检测系统据此区分照片与真实人脸。

还有更多比如摇头、点头、抬头等动作指令，以此来辨别照片和真实人脸。

目前，大多数人脸识别方案都是基于对人脸图像信息的直接提取，无交互性，抗攻击能力差，例如照片、视频、模型伪装都能够进行破解，此时，人脸活体检测技术的重要性就不言而喻了。

fqj