伊人狠狠-日韩av电影免费在线观看-国产在线观看-亚洲一区在线播放-亚洲性网-国产精品tv

        對于手機一族，人臉特效的工具應該玩過不少。比如曾經火極一時的“嗎咿呀嘿”，比如將影視劇中的明星臉替換成自己的，亦或是將靜態人臉照片變成動態短視頻。

        然而這些應用在爆火的同時，都不免引發質疑的聲音：在人臉識別應用越來越普及的當下，使用換臉應用有安全隱患嗎?今天就對此來談一談為防范假臉攻擊而發展出的技術——活體檢測。

        什么是活體檢測?

        簡單來說，就是算法判斷鏡頭捕捉到的人臉，究竟是真實人臉，還是偽造的人臉攻擊。

        借助其他媒介呈現的人臉都可以定義為虛假的人臉，包括打印的紙質照片、電子產品的顯示屏幕(照片&視頻)、硅膠面具、立體3D人像等。無論是換臉還是照片活化，在人臉識別應用面前都是典型的偽造人臉攻擊。

        活體檢測技術能夠抵御各種假臉的攻擊，為人臉識別保駕護航。在人臉識別的完整鏈路中，通常需要先確認目標為真實人臉，之后才會進入識別環節。

        隨著人臉識別的應用愈發廣泛，技術安全性也愈發受到重視，尤其是無人值守的應用場景下，活體檢測幾乎是不可或缺的剛需功能。

        如果缺乏活體檢測功能，或者活體檢測相對初級，人臉識別設備就可能被打印出的人臉照片或者照片活化視頻攻破。

        【主流檢測方案及原理】

        目前主流的活體檢測方案分為靜默式和配合式兩種。

        靜默式活體檢測無需用戶進行額外動作，而是直接基于算法甄別紙張照片、屏幕成像、人臉面具等偽造人臉攻擊。與配合式相比，靜默式用戶體驗更好，速度更快，可在無感的情況下直接進行活體檢測。

        配合式活體檢測則需要用戶根據提示做出相應的動作，通過眨眼、張嘴、搖頭、點頭等配合式組合動作，使用人臉關鍵點及人臉追蹤技術，通過連續的圖片，計算變化距離與不變距離的比值，進行上一幀圖像與下一幀圖像的對比，從而驗證用戶是否為真實活體本人操作。

        實際使用中，可根據具體場景選擇方案。如閘機、門禁、驗票等對檢測速度要求更高的場景，一般推薦選用靜默式活體。

        配合式活體檢測技術出現較早，使用也較為普遍，但黑產從業者仍然處心積慮尋找攻破方式。開頭提及的照片活化技術就是典型手段。

        2019年深圳曾出現過居民身份信息被冒用的案件：不法分子使用AI換臉技術，繞開多個社交服務平臺或系統的人臉認證機制，為違法犯罪團伙提供虛假注冊、刷臉支付等黑產服務。

        警方破案后，發現嫌疑人主要是通過“人臉照片活化”軟件，利用人臉關鍵點定位技術，在非法獲取公民照片后生成眨眨眼、張張嘴、點點頭等動態視頻，以欺騙人臉核驗的活體檢測。

        黑產猖獗，這也對活體檢測算法提出更高要求。無論是配合式還是靜默式，都可以配合RGB單目活體、IR雙目紅外活體、3D Depth三種技術路線使用，從而進一步提升防范能力。

        目前國內已有算法平臺開放了人臉識別活體檢測技術。譬如虹軟視覺開放平臺免費開放的ArcFace人臉識別SDK，同時支持RGB和IR紅外活體檢測。該算法不僅能實現高魯棒性的判斷，可供開發者滿足各類場景需求，而且還支持完全免費、離線使用。

        虹軟開放平臺最新發布的ArcFace 4.0版本在算法性能上進一步增強，對于人臉檢測、人臉識別、活體檢測、人證核驗等算法模型都進行了升級，提升了大面積遮擋及復雜光線下人臉檢測能力，以及復雜光線場景下識別精度，同時新增多項人臉屬性分析能力和圖像質量檢測功能，在開發和使用體驗方面都上升了一個臺階。

        尤其在活體檢測方面，ArcFace 4.0更新了RGB/IR活體模型，新增了在大面積遮擋下的可見光(RGB)、近紅外(IR)活體檢測能力。哪怕面對大面積遮擋下的人臉，算法也能通過分析采集摩爾紋、成像畸形、反射率等人像破綻來識別活體，或者基于紅外圖像天然濾除特定波段光線的特征，來抵御基于屏幕成像的假臉攻擊。同時，在成本與性能上達到了較好的平衡。

《電鰻快報》