文章目錄

• 1 人臉識別活體檢測技術
• 2 人臉識別活體檢測動作方案
• • 2.1眨眼和張嘴
  • 2.2 搖頭與點頭
  • 2.3 防止照片攻擊
  • 2.4 關於雜湊影象的比較

1 人臉識別活體檢測技術

• 動作配合式活體檢測
• 線上圖片的活體檢測
• H5視訊活體檢測
• 離線紅外線活體檢測
• 離線3D結構活體檢測
• 離線RGB活體檢測

2 人臉識別活體檢測動作方案

下面的眨眼和張嘴，搖頭和點頭，都是通過連續的圖片，計算變化距離與不變距離的比，進行上一幀影象與下一幀影象的比，來判斷是否為活體。這裡用的是dlib，速度很快，可以做到實施檢測，每秒20幀是可以做到的。

2.1眨眼和張嘴

下面介紹張嘴檢測，見下圖。模仿眨眼，取點的時候需要注意，內圈的點變化更加明顯。變化距離建議取內圈，固定距離選用外圈。

2.2 搖頭與點頭

搖頭和點頭的方法近視，用到一和上面的想法幾乎一樣。
首先說搖頭，當搖頭的時候，你的臉頰會變窄，而你的鼻子長度幾乎是不變的。

點頭的時候，鼻子的距離會變短，而臉頰的會幾乎不會邊窄。

2.3 防止照片攻擊

用到的技術很簡單，就是影象雜湊演算法。

過程是這樣的：

1. 1、通過攝像頭檢測場景，如果沒有人臉，儲存當前的背景圖片。
2. 2、如果5分鐘內沒有檢測到人臉，用現在時間的場景影象代替記憶體中的影象。看作5分鐘內場景內的光線變化不大。
3. 3、如果檢測人臉目標，隨機擷取背景圖片，同時擷取記憶體中對應位置的影象。兩者進行雜湊影象運算，比較兩者的漢明距離。
4. 4、關於隨機擷取多少個影象，和多大。這個要根據本地服務效能來決定。我設計的用了7個截圖。

2.4 關於雜湊影象的比較

（1）平均雜湊（均值雜湊演算法）

• 1.圖片縮放，一般為88，或者3232
• 2.將圖片灰度化
• 3.求平均值，並根據平均值將每一個畫素二值化
• 4.將8*8=64位bit，每8個位元為一個十六進位制值，轉換成字串，生成雜湊值（指紋）

（2）感知雜湊（感知雜湊演算法）

• 1 影象縮放為32*32大小
• 2 將影象灰度化
• 3 對影象進行離散餘弦變化（DCT），轉換到頻域。
• 4 取頻域左上角8*8大小（影象的能量都集中在低頻部分，低頻位於左上角）
• 5 計算平均值，病菌據平均值二值化（同平均雜湊）。
• 6 生成雜湊值。

（3）差異值雜湊（差值雜湊演算法）

• 1 圖片縮放為9*8大小
• 2 將圖片灰度化
• 3 差異值計算（每行相鄰畫素的差值，這樣會生成一個8*8的差值，前一個畫素大於後一個畫素則為1，否則為0）。
• 4 生成雜湊值。

（4）計算雜湊距離（漢明距離）
生成每一個圖片的雜湊值後，需要計算雜湊值的距離，來判斷兩張圖片的相似度。一般使用漢明距離，也就是逐位計算兩張圖片的雜湊值是否相同。