人脸识别系统如何区分真人脸和人脸照片？

Posted 2023-03-16

【中文标题】人脸识别系统如何区分真人脸和人脸照片？

【英文标题】：How do face recognition systems differentiate between a real face and a photo of a face?

【发布时间】：2020-06-03 10:39:00

【问题描述】：

我正在使用 python 和 OpenCV 进行人脸识别项目我检测到人脸但我遇到了这个问题 我不知道如何让系统用 2D 图像区分真假面孔 如果有人有任何想法，请帮助我。 谢谢。

【问题讨论】：

我首先想到的是使用 3D 立体相机。

这不是编程问题，更多的是理论问题，

问题太宽泛/模糊，我们只能帮助您解决具体的编程问题，而不是一般的机器学习问题。这本身就是一个研究项目。在任何情况下，一方面问题是不恰当的，例如照片的扫描在某种意义上是“照片的照片”，但您很可能无法将其与数码照片区分开来.如果您有 RGB-D 数据或立体/多视角图像，那么您可以尝试确定面部是否“平坦”，但在一般情况下，您必须依赖并尝试检测眩光、框架、等

谢谢，所以我需要一台 3D 立体相机

如果您可以将图像的眼睛状态分类为睁眼或闭眼，则应遵循视频中的这种模式：睁眼、闭眼、睁眼。这会处理网络摄像头捕获中的活动检测，但如果您向网络摄像头显示视频，它仍然会失败。

【参考方案1】：

来自 pyimagesearch 的 Adrian 提供了一个非常好的 article（包含代码），它解决了与活体检测器相同的问题。 以下是那篇文章的摘录

活体检测有多种方法，包括：

纹理分析

，包括计算人脸区域的局部二进制模式 (LBP) 并使用 SVM 将人脸分类为真实人脸或欺骗人脸。

频率分析

，例如检查人脸的傅里叶域。

变量聚焦分析

，例如检查两个连续帧之间像素值的变化。

基于启发式的算法

，包括眼球运动、嘴唇运动和眨眼检测。这组算法试图跟踪眼球运动和眨眼，以确保用户没有举起另一个人的照片（因为照片不会眨眼或移动嘴唇）。

光流算法

，即检查从 3D 对象和 2D 平面生成的光流的差异和属性。 -

3D 人脸形状

，类似于 Apple 的 iPhone 人脸识别系统中使用的人脸识别系统，使人脸识别系统能够区分真实人脸和其他人的打印输出/照片/图像。

以上的组合

，使人脸识别系统工程师能够挑选适合其特定应用的活体检测模型。

【参考方案2】：

你可以用多种方法解决这个问题，我在这里列出了一些，你可以参考一些研究论文找到更多。

运动方法：

您可以让用户眨眼或移动，从而让人相信他们是真实的（最有可能在视频数据集或连续图像上工作）

特征方法：

从图像中提取有用的特征，并使用它们来做出二元分类决定，以判断真实与否。

频率分析：

检查人脸的傅里叶域。

光流算法

：即检查从 3D 对象和 2D 平面生成的光流的差异和属性。

纹理分析：

您还可以使用 OpenCV 进行局部二进制模式来对图像进行分类，了解此方法的详细信息，请参阅 link。