人臉識別門禁活體檢測常用方法

發布時間：2020-11-13 ｜作者：安居樂人臉識別｜來源：石家莊安居樂科技瀏覽：

簡介：動態活體檢測的方式具有很高的安全性，但要求用戶配合做指定動作，因此實際用戶體驗較差。為了實現無感通行的效果，人臉識別門禁很少采用響應指令的動作活體檢測，通常基于圖像和光學效果的差別實施活體甄別

        動態活體檢測的方式具有很高的安全性，但要求用戶配合做指定動作，因此實際用戶體驗較差。為了實現無感通行的效果，人臉識別門禁很少采用響應指令的動作活體檢測，通常基于圖像和光學效果的差別實施活體甄別。
       1、普通攝像頭活體檢測
       雖然沒有配合指令的動作響應，但真實的人臉也不是絕對靜止的，總有一些微表情的存在，比如眼皮和眼球的律動、眨眼、嘴唇及其周邊面頰的伸縮等。同時，真實人臉與紙片、屏幕、立體面具等攻擊媒介的反射特性不同，所以成像也不同。宇視配合基于摩爾紋、反光、倒影、紋理等特征的檢測，檢測系統可以輕松的對付照片、視頻、假體的攻擊。
       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習訓練神經網絡分類器，以區分是活體，還是攻擊。活體檢測中的物理特征主要分為紋理特征、顏色特征、頻譜特征、運動特征、圖像質量特征，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，學術界發現HSV或YCbCr具有更好的區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。
       運動特征提取目標在不同時間上的變化，是一個有效的辦法，但通常耗時較久，達不到實時的要求。
       圖像質量特征有很多描述方式，比如反射、散射、邊緣或形狀等。

人臉識別門禁

       2、紅外攝像頭活體檢測
       紅外人臉活體檢測主要是基于光流法而實現。光流法是利用圖像序列中的像素強度數據的時域變化和相關性來確定各像素位置的“運動”，即從圖像序列中得到各個像素點的運行信息，采用高斯差分濾波器、LBP特征和支持向量機進行數據統計分析。
       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用戶無配合的情況下實現盲測。
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則的向量特征，而照片人臉的光流特征則是規則有序的向量特征，以此即可區分活體和照片。
       3、3D攝像頭活體檢測　　
       通過3D攝像頭拍攝人臉，獲取相應的人臉區域的3D數據，基于這些數據，選擇最具有區分度的特征來訓練神經網絡分類器，最終利用訓練好的分類器區分活體和非活體。特征的選擇至關重要，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定性和魯棒性。

所屬欄目：企業動態

上一篇：樓宇對講系統中常見的圖像故障問題及解決方法

下一篇：沒有了