文章目录
1 人脸识别活体检测技术2 人脸识别活体检测动作方案2.1眨眼和张嘴2.2 摇头与点头2.3 防止照片攻击2.4 关于哈希图像的比较1 人脸识别活体检测技术
动作配合式活体检测在线图片的活体检测H5视频活体检测离线红外线活体检测离线3D结构活体检测离线RGB活体检测2 人脸识别活体检测动作方案
下面的眨眼和张嘴，摇头和点头，都是通过连续的图片，计算变化距离与不变距离的比，进行上一帧图像与下一帧图像的比，来判断是否为活体。这里用的是dlib，速度很快，可以做到实施检测，每秒20帧是可以做到的。
2.1眨眼和张嘴
下面介绍张嘴检测，见下图。模仿眨眼，取点的时候需要注意，内圈的点变化更加明显。变化距离建议取内圈，固定距离选用外圈。
2.2 摇头与点头
摇头和点头的方法近视，用到一和上面的想法几乎一样。
首先说摇头，当摇头的时候，你的脸颊会变窄，而你的鼻子长度几乎是不变的。
点头的时候，鼻子的距离会变短，而脸颊的会几乎不会边窄。
2.3 防止照片攻击
用到的技术很简单，就是图像哈希算法。
过程是这样的：
1、通过摄像头检测场景，如果没有人脸，保存当前的背景图片。2、如果5分钟内没有检测到人脸，用现在时间的场景图像代替内存中的图像。看作5分钟内场景内的光线变化不大。3、如果检测人脸目标，随机截取背景图片，同时截取内存中对应位置的图像。两者进行哈希图像运算，比较两者的汉明距离。4、关于随机截取多少个图像，和多大。这个要根据本地服务性能来决定。我设计的用了7个截图。
2.4 关于哈希图像的比较
（1）平均哈希（均值哈希算法）
1.图片缩放，一般为88，或者32322.将图片灰度化3.求平均值，并根据平均值将每一个像素二值化4.将8*8=64位bit，每8个比特为一个十六进制值，转换成字符串，生成哈希值（指纹）
（2）感知哈希（感知哈希算法）
1 图像缩放为32*32大小2 将图像灰度化3 对图像进行离散余弦变化（DCT），转换到频域。4 取频域左上角8*8大小（图像的能量都集中在低频部分，低频位于左上角）5 计算平均值，病菌据平均值二值化（同平均哈希）。6 生成哈希值。
（3）差异值哈希（差值哈希算法）
1 图片缩放为9*8大小2 将图片灰度化3 差异值计算（每行相邻像素的差值，这样会生成一个8*8的差值，前一个像素大于后一个像素则为1，否则为0）。4 生成哈希值。
（4）计算哈希距离（汉明距离）
生成每一个图片的哈希值后，需要计算哈希值的距离，来判断两张图片的相似度。一般使用汉明距离，也就是逐位计算两张图片的哈希值是否相同。
如果觉得《人脸识别活体检测技术理论》对你有帮助，请点赞、收藏，并留下你的观点哦！
