在线活体检测的含义是(活体检测是怎么检测)

在线活体检测的含义是(活体检测是怎么检测)、本站经过数据分析整理出在线活体检测的含义是(活体检测是怎么检测)相关信息，仅供参考！

在一些业务需求中，需要识别场景中的用户是否是‘真人’，因此需要活体检测技术。本文将对当前行业中的活体检测技术进行总结。

1.活体检测面临的问题在人脸检测中，攻击者往往通过PA(presentation attack，呈现攻击)对系统进行攻击。常见的PA操作包括打印照片、虚假录制视频、面部伪装、3D- face mask等。如果没有活体检测，系统的安全性会比较低。2017年之前，行业的主要实现方向是使用传统的机器视觉方法。17年后，更多使用CNN卷积网络辅助演出。2019年，CVPR有许多关于体内检测的论文，成为热门方向。

二。常用体内检测方法的研究

:基于传统图像处理的活体检测

传统的活体检测的主要思想是捕捉图像的纹理并进行分类。

这种方法的总体流程大致如下：

1.图像预处理、切割、对准和分割图像，以及同时变换和叠加图像空间，通过

从时域操作到频域、空间域或改变其颜色空间。

2.使用SIFT、HOG、LBP、SURF和各种魔法变体提取图像的特征。

3.使用降维、编码、多通道组合等方法进一步提取特征，进行分类前的预处理。

4.使用SVM/LR和其他特征分类器进行二元分类。

:传统方法论文综述：

:活体和PA攻击的纹理统计特征不一致，基于纹理特征进行分类。

比较代表性论文：

1:使用颜色纹理分析的人脸欺骗检测

通过HSV空间人脸的多级LBP特征，YCbCr空间人脸的LPQ特征

链接：https://IEEE explore . IEEE . org/abstract/document/7454730

2:基于颜色纹理分析的人脸反欺骗

通过观察频域的不同分布，首先要区分活体和照片攻击(因为照片中人脸提取的频域分布是不同的)。如果上述结果判断为活体，我们将设计一个纹理LBP分类器来区分活体和屏幕攻击(因为屏幕视频中人脸的频率分布与活体相似)。

链接：https://IEEE explore . IEEE . org/abstract/document/735128

在这类论文中，活体和PA的纹理是不一致的，如下图所示

可以通过LBP(局部二进制)提取纹理特征，然后可以对LBP进行分类：

模型模式用于：

:基于纹理统计特征的分类。

代表性论文：

1:用于人脸呈现攻击检测的局部二值模式的颜色共现

链接：https://IEEE explore . IEEE . org/document/8487325

模型架构：

:局部二值模式在人脸反欺骗中的有效性

链接：https://IEEE explore . IEEE . org/abstract/document/6313548

模型架构：

:基于LBP-TOP的人脸欺骗攻击对策

链接：http://citeserx . ist . PSU . edu/view doc/download；jsessionid=271 bcc 281 BDD 5d 9b 869 D3 db 92 a 278 bb 0？doi=10 . 1 . 1 . 493 . 6222 rep=rep 1 type=pdf

模型架构：

:基于组件依赖描述符的人脸活性检测

本文也使用了纹理统计，但有趣的是使用了人脸分割的方法。

模型流程：

1.检测人脸的位置，将人脸分为六个区域：轮廓、脸部、左右眼、鼻子、嘴巴。

2.提取面部特征，LBP HOG，连接不同部位的特征。

3.SVM分类器执行二元分类。

为了对比上述传统的机器学习方法进行活体检测，虽然这些算法有一定的历史，但大致的过程是相同的，我们仍然可以学习到它们处理的核心精神。下篇文章将介绍主流的基于深度学习的活体检测！

更多关于在线活体检测的含义是(活体检测是怎么检测)的请关注本站。

Tags： 体检  特征  检测  

转载：感谢您对队长网红网网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处“来源演示站”。/qzgl/105595.html

很赞哦！ ()