人脸识别在现在很多的项目中都有应用。而刷脸识别的重心其实不止识别技术，更重要的是活体检测。
什么是活体检测？以常见的指令式活体检测为例，就是通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人的操作。从目的和作用上来说，活体检测的存在主要是为了能够有效抵御照片、换脸、面具、遮挡以及屏幕翻拍等常见的攻击手段，从而帮助用户甄别欺诈行为，保障用户的利益
一种是依靠指令动作，类似于上面说的这种，有兴趣的童鞋可以去实验一下，亲身体验,没有那么强大的后台,所以只能做前端的眨眼、转头、点头等动作。普遍原理都是一样的吧
另一种是不依靠指令便能识别——这是本章的重点，也是目前行业为少数企业类似商汤、世纪晟科技等使用。
第一种指令式活体检测，类似支付宝已经在投入使用了，这里就不详细展开，它在实际应用中具有天然独到的优势：通过摄像头直接获取，在非接触的方式完成识别过程
第二种不需要指令的活体检测技术，备受关注的是世纪晟静默活体检测技术。这不仅吸收了以往活体检测的优点，同时提高了体验感。世纪晟静默活体检测技术顾名思义，就是在没有眨眼、张嘴、数数等一系列的动作配合下来判断到底是不是一个真活人，恰恰与动态活体验证相反，静默活体验证不仅技术上实现难度更高，在实际应用中对准确性要求也更高。
优势——
1、 通过摄像头直接获取
2、 可以非动作配合的方式完成识别过程，方便快捷
3、 随机动作活体检测有着很高的安全性，但是按照指示让用户去做动作比较死板，对用户来说体验不是最好的。而世纪晟静默活体检测全程无需用户动作配合，人性化程度高，1秒内出结果
静默活体检测技术——
以面部特征作为身份核对依据，通过动态核对面部轮廓方式准确识别客户，客户无需做任何动作，自然正对摄像头三四秒钟，即可完成检测。世纪晟静默活体检测技术解决了老年人用户使用场景较为突出的棘手问题
技术是重点——
人脸框的提取
人脸框的提取指的就是人脸检测。这里参照世纪晟静默活体检测技术，了解到世纪晟科技采用了MTCNN（多任务级联卷积神经网络）人脸检测算法，解决了传统算法对环境要求高，人脸要求高，检测耗时高的弊端。
活体判断——基于深度卷积神经网络CNN
从神经学角度来说，卷积神经网络的设计灵感来源于人脑视觉皮层对外界事物的感知，人眼以图像的形式把感知到的外界事物传递给大脑，大脑通过逐层的对该图像进行抽象，抽取出图像的边角等代表图像的高纬特征给大脑做出准确的判断。
CNN的精华是：三概念两核心，两个核心指的是卷积和池化；三概念指的是CNN的三个重要概念：局部感受野、权值共享和下采样/降采样。计算机视觉研究的AlexNet推动了神经网络的再次崛起，从她开始的确立了深度学习在计算及视觉的统治地位，同样也促进了深度学习在语音识别，自然语言处理等领域的拓展应用。
目前，活体检测可以用在很多场景中，像银行自动办卡，办理自助业务，手机APP等来确定进行此操作的是一个活人。那么在更近一步的业务场景中，就可以把活体检测和人脸识别技术中的人证比对结合起来，把3D动态人脸识别同世纪晟静默活体检测技术结合起来，进而判断出检测者是否为本人操作。
最终极的方案就是活体检测，搭配身份证核验与人证比对，这样的好处在于更安全可靠。
网友评论