拒绝面部识别通过黑色生产，了解如何选择实时检测
2019年10月，杭州某地区的快递箱里传出了一则消息。为了改善用户体验，Express Cabinet在网上推出了刷脸的功能，但没想到这项高科技在小学生面前被打败了。只要在A4纸上打印出父母的照片，你就可以打开快递箱，代表父母领取快递员。然后，快递箱迅速将仍在测试中的功能脱机。要探究“刷脸”失败的原因，主要是快递柜的人脸识别技术中不包括用于防止照片、视频等假冒人脸攻击的生物识别技术。随着人脸识别广泛应用的趋势，技术安全性越来越受到重视，特别是在无人应用场景中，生物识别几乎是必要的功能。那么，目前主流的生物检测算法有哪些类型，每种算法都有哪些特点呢？《从零开始学人脸识别》第四课（全视频搜索《虹软人脸公开课》）将从算法原理和应用场景等方面进行系统整理，介绍一种完全免费的生物识别算法。
生物检测的任务是什么？什么是生物测试？简而言之，它是一种算法，用于确定摄像头捕获的人脸是真实的还是假的人脸攻击。在其他媒体（如打印纸照片、电子产品显示器（照片和视频）、硅掩膜和立体三维肖像）中表现的面孔可以被定义为假面孔。
生物检测技术可以抵抗各种虚假的面部攻击，以保护面部识别。在人脸识别全链接中，通常需要在进入识别链接之前确认目标是否是真实的人脸。【主流检测方案与原理】目前主流的生物检测方案主要分为无声检测和匹配检测两种。无声实时检测不需要用户执行任何额外的操作，而是直接基于识别虚假面部攻击的算法，如纸质照片、屏幕成像和口罩。与协作型相比，静音用户体验更好，速度更快，可以直接在非感官状态下进行实时检测。在协调生物检测中，用户在提示时采取相应的动作，通过眨眼、嘴、脖子、点头等协调动作，利用人脸关键点和人脸跟踪技术;通过连续图像，计算变化距离与不变距离的比值，并将前一帧图像与下一帧图像进行比较。我们需要验证用户是否是一个真正的生物操作。在实际使用中，您可以根据具体场景选择解决方案。对于需要检测速度的场景，如闸门、访问控制、票证检查等，我们一般建议采用静默直播。【通技术路线】虽然生物检测技术出现较早，使用也较为普遍，但黑工业的实践者仍为寻找入侵的方法而担心。去年8月，我们听到了这样的消息。深圳龙岗警方发现，辖区内居民的身份信息被非法使用，不法行为者绕过多个社交服务平台和系统的人脸识别机制，为非法犯罪团伙提供虚假登记、人脸支付等黑生产服务。警方在抓捕犯罪嫌疑人后发现，犯罪嫌疑人主要通过“人脸激活”软件，利用人脸关键点定位技术，在非法获取公民照片后，生成眨眼、张口、点头等动态视频，欺骗人脸验证的活体检测。此外，也有卖家声称，这样一套软件+教程，只需35元就可以买到。
黑生产猖獗，对生物检测算法提出了更高的要求。无论是协调的还是静音的，都可以应用于RGB单眼生物体、红外双目红外生物体、3D深度三种技术路线，进一步提高了预防能力。目前，国内算法平台已经开放了相关技术。例如，虹软视觉开放平台是一个免费开放的ArcFace人脸识别SDK，还支持RGB和IR红外实时检测。该算法不仅使开发人员能够做出高度稳健的判断，以满足不同场景的需求，而且完全免费，支持离线使用。谈到RGB单眼生物体、IR双目红外生物体、3D深度等三种技术路线，就存在预防能力和使用成本的差异。
1. RGB单眼活体虹软视觉开放平台RGB单眼活体检测技术，只要采用普通的RGB相机即可，通过分析采集摩尔纹、成像畸形、反射率等肖像缺陷，获得活体检测所需的识别信息，通过多维识别依据保证识别的准确性。特点：由于使用普通的单眼摄像机，成本低，对屏幕成像和纸质照片攻击有很好的防御。基于红外双目红外直播彩虹软视觉开放平台红外双目红外直播RGB单眼直播的算法能力，增加了红外摄像机。由于红外图像会过滤特定波长的光，因此它们自然地抵抗基于屏幕的图像的虚假面部攻击。事实上，无论是可见光还是红外线，本质上都是电磁波。物体的成像与表面材料的反射特性有关。由于真实人脸与攻击介质（如纸张、屏幕、立体面罩）的反射特性不同，成像效果也不同。表面材料对红外反射的区别在于，当屏幕上的人脸出现在红外摄像机面前时，红外成像图像只有一朵白色的花，人脸甚至无法显示，攻击就不能成功。特点：由于硬件的差异，红外线直播比RGB直播成本高。但是，对屏幕成像和纸照片类的防御力也更出色。利用结构光/TOF等深度摄像机，引入“深度信息”的概念，获取人脸区域的3D数据，并在这些数据的基础上进行进一步分析，可以很容易地识别纸质照片、屏幕等2D媒体中的虚假人脸攻击。3D深度实时检测是针对屏幕、纸张和掩码攻击的最佳防御，但硬件成本也最高。
生物检测的重要指标有哪些？在具体的应用场景中，生物检测算法是否适用，可以用“生物检测算法关键指标”来判断。关于这个，虹软视觉开放平台的“开发者支持系统”也详细地介绍。目前，业内主要将生物识别能力分为基本级和增强级两个文件，基本级可以防止2D静态纸图像攻击和2D静态电子图像攻击，增强级可以防止2D视频图像攻击、3D掩模攻击和3D头模攻击。在测量生物检测算法时，通常使用四个值：LDAFAR、LDANRR、LPFRR和LPNRR。LDAFAR=（1-成功标记的实时检测攻击数/实时检测攻击总数）×100%LDANRR =（生物检测系统不再响应的生物检测攻击次数/生物检测攻击总数）×100%LPFRR = （错误标记为生物检测攻击的次数/生物呈现总数）×100%LPNRR =（生物检测系统不再响应的生物检测攻击次数/生物呈现总数）×100%基本级算法的性能指标要求：当LDAFAR为1%时，LPFRR小于1%。增强算法的性能度量要求：当LDAFAR为0.1%时，LPFRR小于1%。
虽然生物检测正在成为人脸识别应用场景的标准，但在具体使用中，还需要考虑成本和需求的平衡，选择合适的生物检测算法，不能泛化。