人脸认证应用中活体检测技术分析范文

本站小编为你精心准备了人脸认证应用中活体检测技术分析参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

移动互联网时代，信息技术的发展和移动智能终端的普及改变了人们的生活习惯和行为模式，让人们的工作生活更加简单便捷。各行各业都在互联网领域开拓自己的业务空间。由于金融行业对客户真实性、安全性和可信度的要求较为严格，怎样在线上证明“你是你”成了金融行业发展线上业务的关键问题。目前，网络实名制实名认证、实名签字已在多领域执行，身份识别技术也在不断改进。从简单的密码输入、收取验证码到生物识别技术的普遍运用，逐渐展现出安全、高效与便捷的特点。对于互联网金融拓展面临的鉴权问题，这一金融业风险控制最必不可少的基础环节，人脸识别则是实现线上远程生物特征鉴权的最易行和友好的技术手段，为保证高效的互联网金融服务提供了新思路。而从效率上看，可实现跨地域、全天候、全场景，任何时间、任何地方都可以使用，不再等待人工审核，业务办理的整个过程仅需数秒。只要有网络和摄像头就可以完成业务办理，既有语音提示还有文字提示，即使是那些第一次接触的用户也能轻松使用。

人脸识别需要通过两点认证身份，一是人脸比对，即判断待验证的人脸是不是本人；二是活体检测，即判断待验证的人脸是不是真实有效的本人并活体。由此可见，单一手段身份认证技术带来的局限性也较为明显，多种安全机制及多模态生物识别整合应用正在成为新的趋势，身份认证安全必须通过多因子、多纬度来保证。博宏信息技术有限公司（以下简称“博宏”）在活体检测领域积攒了多年的经验和深入的研究，并有部分成果产品输出。

1.人脸识别活体检测的问题背景

在生物特征识别系统中，为防止恶意者伪造和窃取他人的生物特征用于身份认证，生物特征识别系统需具有活体检测功能，即判断提交的生物特征是否来自有生命的个体。人脸识别领域常见的安全攻击方式有：人脸照片攻击、人脸视频攻击、人脸合成攻击、3D模型或者面具攻击。现在大多数公司普遍采用交互式活体检测来防范人脸照片和视频攻击，对于3D模型或者面具攻击防范能力较差。

2.当今主流的人脸活体检测方案和存在问题分析

目前人脸活体检测解决方案主要有以下4种。

（1）基于交互式的活体检测这种活体检测技术一般采用指令动作配合的方式，如人脸左转、右转、张嘴、眨眼等，当检测到用户动作和发出的指令不一致时，判定为伪造欺骗。问题：用户体验不佳；可以较好地防止照片攻击，但是无法防止视频攻击或者一些人脸合成技术的攻击。目前博宏采用的是服务端与客户端双检测方式。而通常被攻击的是单纯采用客户端机制，人脸表情和动作合成技术成功突破了交互式人脸活体检测的安全防线，同时在人机交互的应用层面没有做好，导致攻击的难度非常小。

（2）基于3D物体和2D物体光流的差异性来进行活体检测光流的运动包含4个基本类型：平移，旋转，移动和摆动。我们发现对于2D和3D物体前面三种运动光流很相似，但是第四种差异性很大。通过这个发现可以帮助判断测试区域是平面还是3D的。特点：实际应用中发现光流信息很不稳定，这使得提取出来的特征区分度很小。

（3）基于二次成像原理的活体检测摄像头对于真人是一次拍摄一次成像，而对于摄像头面前的照片或者Pad呈现的人脸图像则属于二次成像。这种方法主要考虑到一次成像和二次成像会造成多种表面差异：①由于照片有限的分辨率和摄像机重对焦等原因，会使得再成像的图片比较模糊；②人脸表面反射比会有一定的差异；③一些非正常的阴影等也会对人脸表面造成变化。特点：无需用户配合，用户体验较好。可以有效地防止照片或视频等攻击方式。但是这种方法检测效果不稳定，容易受到周围环境影响（比如光照等）。博宏采用的方式是在客户端利用基于交互式的活体检测的基础上，服务端又采用了此二次成像原理的检测方法。目前根据大批量数据的评测得出的结果是能够防住静态及动态攻击的99%。

（4）基于三维成像原理的活体检测方法通过获取人脸两个或多个角度的照片，合成3D模型。这种方法可以有效地处理照片攻击，但是依然无法处理视频或者是人脸面具攻击。基于以上研究，我们发现目前主流方法存在的问题有：防攻击模式单一，有些对照片攻击效果较好，有些多视频攻击较好；受算法性能约束，防攻击效果不够稳定。

3.可行的技术解决方案

目前我们经过调研和分析有两种值得探索的人脸活体检测技术方案。

（1）基于可见光+近红外双目异质摄像头+眼周细微纹理分析的方法（需要定制研发人脸成像设备，此类产品可以应用到自助类设备上）异质双摄+眼周细微纹理分析的方法通过软硬件结合的方式可以很好地同时克服照片、视频、合成人脸、人脸面具等多种伪造方式的攻击。通过实验我们发现，照片和Pad平板在近红外下成像很差甚至无法成像，和真人成像有明显区别。通过近红外+可见光双目摄像头，我们可以很好解决照片、视频这种模式的攻击。人的眼周是人脸包含信息最丰富的区域也是最具有辨识度的地方，对于目前的合成技术还有人脸面具，大量的细微纹理信息都会消失，与真实肌肤的纹理有很大差异。通过提取这一区域的纹理信息可以有效克服合成技术与人脸面具工具。同时对于照片和Pad视频中人脸攻击也有一定辅助协防作用。近红外摄像头使用主动近红外光源，成像效果非常稳定，对受周围光照环境影响较小。

（2）基于眼纹区域的活体检测技术（不需要特殊成像设备，一般要求高清摄像头）我们拟采用基于眼纹分析的活体检测技术解决这三类攻击问题。眼纹位于眼白区域，指的是人的眼睛中去除眼睛虹膜和瞳孔的区域，里面含有大量的纹理信息。但是由于纹理信息不是特别显著，经过二次成像过程中可能会丢失部分信息。我们的解决思路如下。被检测者录制自己的一段视频，可以借助视频中的图像增强技术，加强眼白的纹理信息，具体步骤如下：获取图像并检测眼睛位置→眼白分割→增强眼白的问题信息→检测眼白中的感兴趣的角点→在角点周围提取特征→判断是否是活体。由于图片和预先录制好的视频（二次成像）眼睛纹理信息不清晰，与真实录制相差很多，因此可以防住这两类攻击；同时3D模型被测或者面具眼睛几乎没有纹理信息，也可以预防这类攻击。这些技术方案并不是通用的，需要在不同的应用场景选择不同的策略，博宏的活体检测技术已处于行业领先水平，能为银行、社保、卫生等行业提供专业化、个性化的生物认证解决方案。

作者：陆成学 单位：博宏信息技术有限公司