人臉識別技術，就是機器通過攝像頭，獲取的影象，並進行對人的識別，該技術主要應用於身份識別，如金融（目前銀行已經實現了通過人臉識別進行取錢操作）、手機鎖、門禁和購物中的刷臉支付等等，人臉識別技術已經存在於我們日常的生活中。真人鑑別功能自然是識別人臉，假如是一張照片，由於與人臉在平面角度來說是相同的，如何避免照片替代真人臉這個作假問題呢？

Face recognition system 人臉識別系統

在識別時只要使用者作臉部表情的配合動作即可，例如微笑一次、做個特定的表情鬼臉，由於照片很難實現這樣特定的動作，進而可以避開照片作假。根據人臉識別專業研究人員的供詞，偵測眨眼是一個很靠譜的方法。

在人臉識別體統為了減少錯誤率，系統將深度資訊應用於在現有攝影中使用的面部檢測演算法，並根據面部視窗的深度座標智慧地縮放面部視窗尺寸——即面部距鏡頭越遠，周圍捕獲框架越小。

這種方法採用特殊的紅外線將將光輻射圖投影到場景上，然後將其轉換為深度圖。雖然系統能夠識別大部分面部，但其缺乏識別各個面部之間的差異的能力，所以這不是生物識別解決方案本身，而是其可以成為更廣泛的認證系統中的關鍵的實現步驟。

採用深度資訊在數字視訊流中檢測面部的方法。在一個場景中，如果出現了多個人時，可以根據不同人距離鏡頭距離的不同而識別面部。廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉影象採集、人臉定位、人臉識別預處理、身份確認以及身份查詢等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查詢的技術或系統。

活體檢測
活體檢測是在一些身份驗證場景確定物件的真是生理特徵的方法。活體檢測主要分為有兩種。配合式活體檢測和非配合式活體識別。

1.配合式的活體檢測：人臉檢測系統通過發出一些隨機性的指令動作，如眨眼、轉頭和張嘴等。

2.非配合式的活體檢測：通過紅外攝像頭採集影象進行人臉檢測，該過程不需要配合任何指定動作。

在這裡我說一下紅外攝像頭和普通攝像頭的區別，紅外攝像頭跟普通攝像頭相比，最大的不同是光源的不同。首先對於攝像頭的成像，都是光照射在物體上，會發生漫散射，反射回來的部分光會被鏡頭接收，使其聚焦到影象感測器表面，然後轉換為電訊號，經過（A/D）模數轉換，轉換成數字影象訊號，再送到數字訊號處理晶片上進行加工，最後通過 USB 介面傳輸到系統中，最後顯示在顯示器上。

紅外攝像頭跟普通攝像頭相比，最大的不同是光源的不同。普通攝像頭的光源來源於可見光，即太陽光，因此普通攝像頭在白天拍攝想過比較好，而紅外攝像頭一般自帶紅外點陣。其依靠自帶的紅外燈發出紅外射線，照射在物體上，後進過漫散射，被攝像頭接收。

紅外攝像為什麼能判斷
1.成像原理
我們知道，不管是可見光還是紅外光，其本本質都是電磁波。我們最終看到的影象長什麼樣，與材質表面的反射特性有關。真實的人臉和紙片、螢幕、立體面具等攻擊媒介的反射特性都是不同的，所以成像也不同，而這種差異在紅外波反射方面會更加明顯，比如說，一塊螢幕在紅外成像的畫面裡，就只有白花花的一片，連人臉都沒了，這樣就可以避免誤判。

2.內建演算法
根據光流法，利用影象序列中的畫素強度資料的時域變化和相關性來確定各自畫素位置的“運動”，從影象序列中得到各個畫素點的執行資訊，採用高斯差分濾波器、LBP 特徵和支援向量機進行資料統計分析。同時，光流場對物體運動比較敏感，利用光流場可以統一檢測眼球移動和眨眼。這種活體檢測方式可以在使用者無配合的情況下實現盲測。

其他判斷方法還有 3D 人臉檢測，通過 3D 攝像機進行人臉拍攝，通過對攝像機獲取的資料進行整合，合成人臉，分析，最終判斷是真正的人臉還是這照片。