人臉門禁活體檢測有哪些方法？
來源：$article_from_name$ 2024/3/14 8:26:06 點(diǎn)擊：
倍加信人 臉 識 別技術(shù)在我國越來越成熟，在我們生活中的應(yīng)用越來越廣泛，倍加信人 臉 識 別技術(shù)賦能的無感通行智能快捷，深受廣大用戶的青睞。
為避免被惡意破解，活體檢測的人臉防偽技術(shù)成為必備的檢測技術(shù)，其中以動作活體檢測的方式的安全性最高，但由于需要用戶指定動作，在用戶體驗(yàn)度仍需進(jìn)一步優(yōu)化，事實(shí)上，為了達(dá)到無感通行的最佳效果，有些設(shè)備并沒有采用動作活體檢測，例如人臉門禁，通常采用圖像和光效效果的方式來進(jìn)行活體辨別，下面倍 加信智能將與大家一起來探討一下：
1)、普通攝像頭類型的活體檢測
即便沒有要求配合各種動作指令，但當(dāng)人站在門禁識別儀面前，人臉也不是絕對的靜止，仍然可以從一些微表情進(jìn)行甄別，例如眼皮和眼球的律動、眨眼、嘴唇及其周邊面頰的伸縮等。
利用特定的某種物理特征，或多種物理特征的融合，我們可以通過深度學(xué)習(xí)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器，以區(qū)分是活體，還是攻擊�；铙w檢測中的物理特征主要分為紋理特征、顏色特征、頻譜特征、運(yùn)動特征、圖像質(zhì)量特征，此外，還包括心跳特征等。
紋理特征包括很多，但最主流的是LBP、HOG、LPQ等。
顏色特征除了RGB之外，學(xué)術(shù)界發(fā)現(xiàn)HSV或YCbCr具有更好的區(qū)分活體非活體的性能，被廣泛用于不同的紋理特征上。
頻譜特征的原理是活體、非活體在某些頻段具有不同的響應(yīng)。
運(yùn)動特征提取目標(biāo)在不同時(shí)間上的變化，是一個(gè)有效的辦法，但通常耗時(shí)較久，達(dá)不到實(shí)時(shí)的要求。
圖像質(zhì)量特征有很多描述方式，比如反射、散射、邊緣或形狀等。
2)、紅外攝像頭類型的活體檢測
紅外人臉活體檢測主要是基于光流法而實(shí)現(xiàn)。光流法是利用圖像序列中的像素強(qiáng)度數(shù)據(jù)的時(shí)域變化和相關(guān)性來確定各像素位置的“運(yùn)動”，即從圖像序列中得到各個(gè)像素點(diǎn)的運(yùn)行信息，采用高斯差分濾波器、LBP特征和支持向量機(jī)進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析。
同時(shí)，光流場對物體運(yùn)動比較敏感，利用光流場可以統(tǒng)一檢測眼球移動和眨眼。這種活體檢測方式可以在用戶無配合的情況下實(shí)現(xiàn)盲測。
從上述兩張圖的對比可以看出，活體人臉的光流特征顯示為不規(guī)則的向量特征，而照片人臉的光流特征則是規(guī)則有序的向量特征，以此即可區(qū)分活體和照片。
3)、3D攝像頭類型的活體檢測
通過3D攝像頭拍攝人臉，獲取相應(yīng)的人臉區(qū)域的3D數(shù)據(jù)，基于這些數(shù)據(jù)，選擇最具有區(qū)分度的特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器，最終利用訓(xùn)練好的分類器區(qū)分活體和非活體。特征的選擇至關(guān)重要，我們選擇的特征既包含了全局的信息，也包含了局部的信息，這樣的選擇有利于算法的穩(wěn)定性和魯棒性。
3D人臉活體檢測分為以下3個(gè)步驟：
首先，提取活體和非活體人臉區(qū)域的N個(gè)（推薦256個(gè)）特征點(diǎn)的三維信息，對這些點(diǎn)之間的幾何結(jié)構(gòu)關(guān)系進(jìn)行初步的分析處理；
其次，提取整個(gè)人臉區(qū)域的三維信息，對相應(yīng)的特征點(diǎn)做進(jìn)一步的處理，再采用協(xié)調(diào)訓(xùn)練Co－training的方法訓(xùn)練正負(fù)樣本數(shù)據(jù)，利用得到的分類器進(jìn)行初分類；
最后，利用以上兩個(gè)步驟所提取的特征點(diǎn)進(jìn)行曲面的擬合來描述三維模型特征，根據(jù)曲面的曲率從深度圖像中提取凸起區(qū)域，對每個(gè)區(qū)域提取EGI特征，然后利用其球形相關(guān)度進(jìn)行再分類識別。
倍加信人 臉 識 別門禁技術(shù)日益普及地運(yùn)用在各行各業(yè)，為用戶提供更智能和快捷功能的同時(shí)，我們?nèi)砸獙踩禂?shù)作為首要條件進(jìn)行考慮。
為避免被惡意破解，活體檢測的人臉防偽技術(shù)成為必備的檢測技術(shù)，其中以動作活體檢測的方式的安全性最高，但由于需要用戶指定動作，在用戶體驗(yàn)度仍需進(jìn)一步優(yōu)化，事實(shí)上，為了達(dá)到無感通行的最佳效果，有些設(shè)備并沒有采用動作活體檢測，例如人臉門禁，通常采用圖像和光效效果的方式來進(jìn)行活體辨別，下面倍 加信智能將與大家一起來探討一下：
1)、普通攝像頭類型的活體檢測
即便沒有要求配合各種動作指令，但當(dāng)人站在門禁識別儀面前，人臉也不是絕對的靜止，仍然可以從一些微表情進(jìn)行甄別，例如眼皮和眼球的律動、眨眼、嘴唇及其周邊面頰的伸縮等。
利用特定的某種物理特征，或多種物理特征的融合，我們可以通過深度學(xué)習(xí)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器，以區(qū)分是活體，還是攻擊�；铙w檢測中的物理特征主要分為紋理特征、顏色特征、頻譜特征、運(yùn)動特征、圖像質(zhì)量特征，此外，還包括心跳特征等。
紋理特征包括很多，但最主流的是LBP、HOG、LPQ等。
顏色特征除了RGB之外，學(xué)術(shù)界發(fā)現(xiàn)HSV或YCbCr具有更好的區(qū)分活體非活體的性能，被廣泛用于不同的紋理特征上。
頻譜特征的原理是活體、非活體在某些頻段具有不同的響應(yīng)。
運(yùn)動特征提取目標(biāo)在不同時(shí)間上的變化，是一個(gè)有效的辦法，但通常耗時(shí)較久，達(dá)不到實(shí)時(shí)的要求。
圖像質(zhì)量特征有很多描述方式，比如反射、散射、邊緣或形狀等。
2)、紅外攝像頭類型的活體檢測
紅外人臉活體檢測主要是基于光流法而實(shí)現(xiàn)。光流法是利用圖像序列中的像素強(qiáng)度數(shù)據(jù)的時(shí)域變化和相關(guān)性來確定各像素位置的“運(yùn)動”，即從圖像序列中得到各個(gè)像素點(diǎn)的運(yùn)行信息，采用高斯差分濾波器、LBP特征和支持向量機(jī)進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析。
同時(shí)，光流場對物體運(yùn)動比較敏感，利用光流場可以統(tǒng)一檢測眼球移動和眨眼。這種活體檢測方式可以在用戶無配合的情況下實(shí)現(xiàn)盲測。
從上述兩張圖的對比可以看出，活體人臉的光流特征顯示為不規(guī)則的向量特征，而照片人臉的光流特征則是規(guī)則有序的向量特征，以此即可區(qū)分活體和照片。
3)、3D攝像頭類型的活體檢測
通過3D攝像頭拍攝人臉，獲取相應(yīng)的人臉區(qū)域的3D數(shù)據(jù)，基于這些數(shù)據(jù)，選擇最具有區(qū)分度的特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器，最終利用訓(xùn)練好的分類器區(qū)分活體和非活體。特征的選擇至關(guān)重要，我們選擇的特征既包含了全局的信息，也包含了局部的信息，這樣的選擇有利于算法的穩(wěn)定性和魯棒性。
3D人臉活體檢測分為以下3個(gè)步驟：
首先，提取活體和非活體人臉區(qū)域的N個(gè)（推薦256個(gè)）特征點(diǎn)的三維信息，對這些點(diǎn)之間的幾何結(jié)構(gòu)關(guān)系進(jìn)行初步的分析處理；
其次，提取整個(gè)人臉區(qū)域的三維信息，對相應(yīng)的特征點(diǎn)做進(jìn)一步的處理，再采用協(xié)調(diào)訓(xùn)練Co－training的方法訓(xùn)練正負(fù)樣本數(shù)據(jù)，利用得到的分類器進(jìn)行初分類；
最后，利用以上兩個(gè)步驟所提取的特征點(diǎn)進(jìn)行曲面的擬合來描述三維模型特征，根據(jù)曲面的曲率從深度圖像中提取凸起區(qū)域，對每個(gè)區(qū)域提取EGI特征，然后利用其球形相關(guān)度進(jìn)行再分類識別。
倍加信人 臉 識 別門禁技術(shù)日益普及地運(yùn)用在各行各業(yè)，為用戶提供更智能和快捷功能的同時(shí)，我們?nèi)砸獙踩禂?shù)作為首要條件進(jìn)行考慮。
- 上一篇：物聯(lián)網(wǎng)是概念泡沫,還是是技術(shù)革新的機(jī)遇？ 2024/3/14
- 下一篇：云對講為老舊小區(qū)升級改造提供助力 實(shí)現(xiàn)智慧上云 2024/3/14
粵公網(wǎng)安備 44030602004070號
