鄭巖 張瑩 楊紅武

摘要：本文對(duì)活體識(shí)別技術(shù)領(lǐng)域的全國(guó)專(zhuān)利申請(qǐng)狀況進(jìn)行了統(tǒng)計(jì)分析，并重點(diǎn)研究了國(guó)內(nèi)活體檢測(cè)技術(shù)的發(fā)展路線，通過(guò)對(duì)活體檢測(cè)專(zhuān)利技術(shù)的發(fā)展脈絡(luò)分析整體上了解了活體檢測(cè)技術(shù)的整個(gè)發(fā)展周期，期望本專(zhuān)利綜述能夠幫助本領(lǐng)域技術(shù)人員把握活體檢測(cè)技術(shù)脈絡(luò)，快速準(zhǔn)確定位檢索要素、提高檢索和審查效率。

關(guān)鍵詞：活體識(shí)別;專(zhuān)利綜述

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2020）09-0146-07

1 活體識(shí)別技術(shù)概述

欺騙攻擊是試圖使生物識(shí)別系統(tǒng)認(rèn)定非法申請(qǐng)人為合法的注冊(cè)人員以獲取權(quán)限而通過(guò)驗(yàn)證。為了抵御欺騙攻擊，在生物識(shí)別系統(tǒng)中添加驗(yàn)證生物特征持有者是否合法的步驟，其目標(biāo)是找出合法生物特征持有者與死體、假體等非法生物特征持有者的區(qū)別，我們稱(chēng)之為活體識(shí)別。

活體識(shí)別方法可以分為兩類(lèi)：基于行為特征的活體識(shí)別方法和基于物理特征的活體識(shí)別方法[1]。基于行為特征的活體識(shí)別方法，可以分為基于手勢(shì)特征的活體識(shí)別，基于頭部行為特征的活體識(shí)別以及基于聲音特征的活體識(shí)別;其中基于頭部行為特征的活體識(shí)別可以分為基于面部表情的活體識(shí)別和基于頭部晃動(dòng)的活體識(shí)別[2]?；谖锢硖卣鞯幕铙w識(shí)別方法，可以分為基于皮膚電特性的活體識(shí)別，基于紋理特征的活體識(shí)別，基于皮膚彈性特征的活體識(shí)別，基于皮膚汗液分泌特性的活體識(shí)別，基于人體熱輻射特征的活體識(shí)別，基于頭部三維特征的活體識(shí)別，基于瞳孔光敏特性的活體識(shí)別，基于心臟跳動(dòng)特征的活體識(shí)別[3];其中基于人體熱輻射特征的活體識(shí)別可以分為基于手指體溫的活體識(shí)別，基于靜脈特征的活體識(shí)別，基于面部溫譜圖的活體識(shí)別;其中基于心臟跳動(dòng)特征的活體識(shí)別可以分為基于脈搏特征的活體識(shí)別，基于心電圖特征的活體識(shí)別。

2 活體識(shí)別的專(zhuān)利技術(shù)概述

為了研究活體識(shí)別技術(shù)的專(zhuān)利發(fā)展情況，本文結(jié)合實(shí)際審查工作，采用專(zhuān)利檢索數(shù)據(jù)庫(kù)CNABS和VEN數(shù)據(jù)庫(kù)，通過(guò)關(guān)鍵詞、追蹤檢索、塊檢索、轉(zhuǎn)庫(kù)檢索等檢索策略，并對(duì)數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)采集、清洗、建立數(shù)據(jù)庫(kù)，利用Patentics對(duì)該領(lǐng)域的專(zhuān)利申請(qǐng)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析并生成可視化圖表。本次專(zhuān)利分析的檢索數(shù)據(jù)包括截止到2019年6月27日公開(kāi)的專(zhuān)利申請(qǐng)。

2.1 中國(guó)專(zhuān)利申請(qǐng)量趨勢(shì)分析

圖1為活體識(shí)別技術(shù)的專(zhuān)利申請(qǐng)趨勢(shì)圖，第一件活體識(shí)別相關(guān)的專(zhuān)利申請(qǐng)于2001年，截止到2014年，我國(guó)的活體識(shí)別技術(shù)一直處于緩慢發(fā)展的階段，專(zhuān)利申請(qǐng)量還不大，該階段我國(guó)活體識(shí)別還處于起步階段。自2014年起，關(guān)于活體識(shí)別技術(shù)的專(zhuān)利申請(qǐng)量大幅度增加，技術(shù)生長(zhǎng)呈現(xiàn)上升趨勢(shì)，從2014年的43件上升到2018年的355件，2018年至2019年專(zhuān)利申請(qǐng)量出現(xiàn)下降，這是由于僅有上半年數(shù)據(jù)以及部分申請(qǐng)尚未公開(kāi)。預(yù)計(jì)2019年后，這一上升態(tài)勢(shì)將會(huì)持續(xù)保持。

2.2 全國(guó)重要申請(qǐng)人分析

圖2示出了國(guó)內(nèi)不同申請(qǐng)人專(zhuān)利申請(qǐng)量的比重，其他申請(qǐng)人占比73.59%，說(shuō)明活體識(shí)別領(lǐng)域的技術(shù)沒(méi)有被某個(gè)企業(yè)壟斷，圖3示出了國(guó)內(nèi)主要申請(qǐng)人的申請(qǐng)量，北京曠視科技格外注重專(zhuān)利布局，活體識(shí)別領(lǐng)域內(nèi)申請(qǐng)的專(zhuān)利數(shù)量為66件，占專(zhuān)利申請(qǐng)份額的5.45%，研究實(shí)力大大領(lǐng)先于其他競(jìng)爭(zhēng)企業(yè)。廣東歐珀電子工業(yè)在活體識(shí)別領(lǐng)域內(nèi)申請(qǐng)的專(zhuān)利數(shù)量為42件，占專(zhuān)利份額的3.47%，僅次于北京曠視科技。阿里巴巴，中國(guó)平安保險(xiǎn)，騰訊科技，中國(guó)科學(xué)院，百度在線網(wǎng)絡(luò)技術(shù)，深州市匯頂科技，在活體識(shí)別領(lǐng)域內(nèi)均有一定數(shù)量的專(zhuān)利申請(qǐng)，以上數(shù)據(jù)表明國(guó)內(nèi)企業(yè)在活體識(shí)別領(lǐng)域內(nèi)競(jìng)爭(zhēng)較為激烈，具有一定的市場(chǎng)競(jìng)爭(zhēng)力。

2.3 國(guó)內(nèi)主要申請(qǐng)人不同年份的申請(qǐng)量

圖4示出了國(guó)內(nèi)主要申請(qǐng)人不同年份的申請(qǐng)量，其中中國(guó)科學(xué)院和清華大學(xué)對(duì)活體識(shí)別的研究具有連續(xù)性，國(guó)內(nèi)大部分申請(qǐng)人對(duì)活體識(shí)別領(lǐng)域的研究主要集中在2013—2018年，其中北京曠視科技對(duì)活體識(shí)別領(lǐng)域的研究始于2015年，并且2015—2018年一直在持續(xù)進(jìn)行研究，廣東歐珀電子工業(yè)對(duì)活體識(shí)別領(lǐng)域的研究始于2015年，并于2017年達(dá)到高峰期，阿里巴巴對(duì)活體識(shí)別領(lǐng)域的研究始于2014年，并且在2014—2018年來(lái)一直在持續(xù)進(jìn)行研究。

2.4 國(guó)內(nèi)重要申請(qǐng)人的發(fā)明人

圖5-6示出了北京曠視科技和廣東歐珀電子工業(yè)的第一發(fā)明人的申請(qǐng)量，其中北京曠視科技中其他人的申請(qǐng)量為24件占比36.36%，占有量最多。其次是范浩強(qiáng)，他的申請(qǐng)量為16件占比為24.24%，表明北京曠視科技中活體識(shí)別的技術(shù)分布在大多數(shù)人中。其中廣東歐珀電子工業(yè)中的周海濤、周意保、唐城和張海平的申請(qǐng)量占比分別為23.81%、19.05%、14.29%和14.29%，共占比71.44%，表明廣東歐珀電子工業(yè)中活體識(shí)別的技術(shù)主要掌握在周海濤、周意保、唐城和張海平等人中。

2.5 國(guó)內(nèi)專(zhuān)利IPC分布

圖7示出了國(guó)內(nèi)專(zhuān)利申請(qǐng)的IPC分布，涉及活體識(shí)別技術(shù)的相關(guān)申請(qǐng)中，IPC分類(lèi)最多的小類(lèi)G06K涉及數(shù)據(jù)識(shí)別、數(shù)據(jù)表示、記錄載體和記錄載體的處理。另外，G06F涉及點(diǎn)數(shù)字?jǐn)?shù)據(jù)處理，A61B涉及診斷、外科和鑒定，G06T涉及一般的圖像數(shù)據(jù)處理或產(chǎn)生，G06Q涉及專(zhuān)門(mén)適用于行政、商業(yè)、金融、管理、監(jiān)督或預(yù)測(cè)目的的數(shù)據(jù)處理系統(tǒng)或方法，G07C涉及時(shí)間登記器或出勤登記器，由此可見(jiàn)，利用活體識(shí)別技術(shù)進(jìn)行數(shù)據(jù)處理、鑒定、出勤登記等是該領(lǐng)域下研究的重點(diǎn)和熱點(diǎn)，H04L、G06N、H04N等涉及數(shù)字信息的傳輸、基于特定計(jì)算模型的計(jì)算機(jī)系統(tǒng)、圖像通信等在上述國(guó)內(nèi)IPC分布中僅占有少量比重。

3 專(zhuān)利技術(shù)發(fā)展路線

活體檢測(cè)領(lǐng)域的技術(shù)分支為基于行為特征的活體識(shí)別和基于物理特征的活體識(shí)別兩個(gè)技術(shù)分支;其中物理特征包括瞳孔光特性、紋理特征、人體熱輻射、膚色信息、血液流動(dòng)、人臉三維特征、脈搏特征、攻擊特征、心跳特征等，其中行為特征包括眨眼運(yùn)動(dòng)、調(diào)整視線方向、張閉嘴運(yùn)動(dòng)、唇形特征、眉毛運(yùn)動(dòng)、頭部運(yùn)動(dòng)、皺紋運(yùn)動(dòng)等。

3.1 基于物理特征的活體識(shí)別

3.1.1 基于瞳孔光特性的活體識(shí)別。與其它的生物特征相比，虹膜具有三個(gè)顯著的優(yōu)點(diǎn)：唯一性、穩(wěn)定性和非侵犯性，虹膜識(shí)別的準(zhǔn)確率是各種生物特征識(shí)別中最高的;但是同傳統(tǒng)的安全防范方法（如密碼等）一樣，基于虹膜的生物特征識(shí)別技術(shù)也有被偽造和竊取的危險(xiǎn)，因此為了提高虹膜識(shí)別技術(shù)的防偽性能，中國(guó)科學(xué)院自動(dòng)化研究申請(qǐng)了專(zhuān)利CN1426760A（公開(kāi)號(hào)），該專(zhuān)利通過(guò)判斷正常的瞳孔一直處于這種不停的縮放狀態(tài)，同時(shí)，當(dāng)光線強(qiáng)時(shí)，瞳孔縮小，光線弱時(shí)，瞳孔放大以及通過(guò)計(jì)算虹膜圖像中瞳孔區(qū)域內(nèi)高光點(diǎn)的面積等辨別是否活體虹膜。為了解決上述專(zhuān)利中存在的活體識(shí)別準(zhǔn)確率低的問(wèn)題，清華大學(xué)和大唐電信科技股份有限公司申請(qǐng)了專(zhuān)利CN105139006A（公開(kāi)號(hào)），該專(zhuān)利通過(guò)對(duì)屏幕亮度信息和用戶(hù)的瞳孔收縮狀態(tài)信息進(jìn)行分析，獲取相關(guān)系數(shù)，相關(guān)系數(shù)大于等于閾值時(shí)確定用戶(hù)為真人，該專(zhuān)利提高了人臉檢測(cè)設(shè)備的智能性，使人臉檢測(cè)設(shè)備能夠快速、高效的進(jìn)行活體識(shí)別，提高了活體識(shí)別的準(zhǔn)確率，同時(shí)達(dá)到了減少人力損耗的目的。為了解決上述活體檢測(cè)會(huì)給用戶(hù)帶來(lái)不適的問(wèn)題，阿里巴巴集團(tuán)控股有限公司申請(qǐng)了專(zhuān)利CN108537111A（公開(kāi)號(hào)），該專(zhuān)利在向用戶(hù)展示預(yù)設(shè)圖像后，可以通過(guò)采集用戶(hù)的人臉圖像，從該人臉圖像中確定出該用戶(hù)的人眼圖像中包含的待驗(yàn)證圖像，進(jìn)而根據(jù)該預(yù)設(shè)圖像以及該待驗(yàn)證圖像，對(duì)該用戶(hù)進(jìn)行活體檢測(cè)，該專(zhuān)利即可在用戶(hù)觀看預(yù)設(shè)圖像的過(guò)程中，利用人體的特性對(duì)用戶(hù)實(shí)施自然、無(wú)感知的活體檢測(cè)，從而給用戶(hù)帶來(lái)了極大的方便。

3.1.2 基于模板特征的活體識(shí)別。對(duì)于基于模板特征的活體識(shí)別方法，該活體識(shí)別的方法是根據(jù)提取的特征與模板特征進(jìn)行比對(duì)，進(jìn)而確定是否為活體，其中模板特征包括脈搏特征、攻擊特征、熱圖特征和視差特征等。傳統(tǒng)的活體判別技術(shù)，通常需要在實(shí)際應(yīng)用場(chǎng)景中結(jié)合一定的交互，如搖頭、眨眼等，通過(guò)臉部某一點(diǎn)的位置移動(dòng)來(lái)區(qū)分真人和照片;然而，這種傳統(tǒng)的活體判別需要用戶(hù)交互，只有用戶(hù)按照提示做出正確的交互后，才能通過(guò)活體檢測(cè)，導(dǎo)致檢測(cè)率低;因此為了不需要用戶(hù)做額外的交互動(dòng)作且能夠提高活體識(shí)別的檢測(cè)率，騰訊科技（深圳）有限公司申請(qǐng)了專(zhuān)利CN106570489A（公開(kāi)號(hào)），該專(zhuān)利根據(jù)人臉區(qū)域的光照強(qiáng)度，計(jì)算每一幀人臉圖像對(duì)應(yīng)的脈搏特征，建立脈搏特征曲線，將脈搏特征曲線與預(yù)存標(biāo)準(zhǔn)非活體脈搏特征曲線進(jìn)行對(duì)比，若特征值相差超過(guò)預(yù)設(shè)特征閾值，則判定采集到的是活體人臉圖像。為了進(jìn)一步可以更有效地防御面具、照片、翻拍或電腦合成等針對(duì)活體人臉識(shí)別的攻擊，北京曠視科技有限公司和北京小孔科技有限公司申請(qǐng)了專(zhuān)利CN106599872A（公開(kāi)號(hào)），該專(zhuān)利根據(jù)包括攻擊特征的特征區(qū)域的圖像的數(shù)量，判斷人臉圖像是不是活體人臉圖像，其中攻擊特征包括毛孔缺失、皺紋缺失、陰影缺失、非自然反光、活體人臉無(wú)法做出的肌肉動(dòng)作、馬賽克、鋸齒和摩爾紋中的一種或其組合。為了進(jìn)一步使活體檢測(cè)的方法操作簡(jiǎn)單，北京曠視科技有限公司和北京小孔科技有限公司申請(qǐng)了專(zhuān)利CN106650666A（公開(kāi)號(hào)），該專(zhuān)利根據(jù)采集到的臉部熱圖以及臉部期望熱圖的比較，確定待檢測(cè)對(duì)象是否為活體。為了進(jìn)一步能夠使用單攝像頭進(jìn)行活體人臉檢測(cè)，維沃移動(dòng)通信有限公司申請(qǐng)了專(zhuān)利CN109241832A（公開(kāi)號(hào)），該專(zhuān)利獲取攝像頭在第一高度位置采集的第一圖像以及在第二高度位置采集的第二圖像;其中，第一圖像與第二圖像均包括目標(biāo)人臉對(duì)象的人臉圖像;獲取第一圖像與第二圖像間的視差信息;根據(jù)該視差信息，確定目標(biāo)人臉對(duì)象是否為活體，該專(zhuān)利準(zhǔn)確的區(qū)分出所識(shí)別的人臉對(duì)象是否為真人，提升了人臉識(shí)別的準(zhǔn)確度，進(jìn)而提高了人臉解鎖的可靠性及安全性。

3.1.3 基于人臉三維特征的活體識(shí)別。在常見(jiàn)的通過(guò)人機(jī)交互，要求活體人臉搖頭、眨眼以及嘴巴張開(kāi)閉合進(jìn)行活體檢測(cè)的方法中，需要可靠和穩(wěn)定搖頭檢測(cè)和張嘴閉嘴、張眼閉眼檢測(cè)算法;當(dāng)活體人臉運(yùn)動(dòng)時(shí)，攝像機(jī)捕獲到的圖像可能比較模糊，此時(shí)上述算法可能會(huì)失效;而在一些測(cè)試中還發(fā)現(xiàn)，利用平板電腦快速切換眼睛和嘴巴的張開(kāi)閉合照片，快速切換人臉左右搖頭照片，也有很大的概率使上述活體人臉檢測(cè)算法失效;此外，假冒攻擊者通過(guò)錄制對(duì)應(yīng)的搖頭、眨眼和嘴巴張開(kāi)閉合的視頻，通過(guò)平板電腦快速切換播放相應(yīng)的視頻，也能實(shí)現(xiàn)假冒攻擊的目的;最后，這種常見(jiàn)的人機(jī)交互防范假冒攻擊的算法，要求人臉有意識(shí)的進(jìn)行配合，同時(shí)配合程度要求比較高。一旦人們不能理解或者做出的動(dòng)作不夠規(guī)范（如眼睛、嘴巴不能完全閉合;眼睛、嘴巴 張開(kāi)的不夠大;將搖頭理解成為擺頭或者其它動(dòng)作），那么活體人臉就很容易被認(rèn)定為假冒攻擊。因此為了使人臉活體檢測(cè)不依賴(lài)于用戶(hù)動(dòng)作配合且能夠有效防范常見(jiàn)的視頻和照片假冒攻擊，北京海鑫科金高科技股份有限公司申請(qǐng)了專(zhuān)利CN104834901A（公開(kāi)號(hào)），該專(zhuān)利根據(jù)第一和第二攝像頭采集的人臉視頻數(shù)據(jù)，判斷人臉處于第一和第二攝像頭的預(yù)設(shè)共同視野范圍內(nèi)時(shí)，生成人臉圖像深度圖，通過(guò)預(yù)設(shè)三維結(jié)構(gòu)分類(lèi)規(guī)則，判斷人臉圖像深度圖構(gòu)成人臉三維結(jié)構(gòu)圖時(shí)，提示人臉為活體人臉。為了提高三維人臉檢測(cè)結(jié)果的精確度、魯棒性和穩(wěn)定性，北京天誠(chéng)盛業(yè)科技有限公司申請(qǐng)了專(zhuān)利CN105740778A（公開(kāi)號(hào)），該專(zhuān)利在三維人臉圖像中選取多個(gè)特征點(diǎn)，并獲取每一個(gè)特征點(diǎn)的鄰域內(nèi)各點(diǎn)的三維坐標(biāo)信息，根據(jù)每一個(gè)特征點(diǎn)的鄰域內(nèi)各點(diǎn)的三維坐標(biāo)信息計(jì)算每一個(gè)特征點(diǎn)的實(shí)際曲面曲率，根據(jù)每一個(gè)特征點(diǎn)的實(shí)際曲面曲率判斷三維人臉圖像是否來(lái)自于活體。為了降低三維人臉活體檢測(cè)的成本，北京曠視科技有限公司和北京邁格威科技有限公司申請(qǐng)了專(zhuān)利CN108875468A（公開(kāi)號(hào)），該專(zhuān)利基于不同角度的第一圖像和第二圖像構(gòu)建被測(cè)人臉的三維信息;在確定三維信息與真實(shí)人臉的三維形狀相匹配的情況下，提示活體檢測(cè)成功，該活體檢測(cè)方法能夠基于不同拍攝角度的人臉圖像進(jìn)行活體檢測(cè)，降低活體檢測(cè)的成本，簡(jiǎn)化活體檢測(cè)的判斷流程，提高活體檢測(cè)的判斷效率，提高基于人臉識(shí)別的身份驗(yàn)證系統(tǒng)的安全性和可靠性。

3.2 基于行為特征的活體識(shí)別

3.2.1 基于眨眼運(yùn)動(dòng)的活體識(shí)別。傳統(tǒng)的活體檢測(cè)中的基于行為特征的活體識(shí)別大致可分為用戶(hù)配合和盲檢測(cè)兩種方法。用戶(hù)配合的方法要求用戶(hù)按照系統(tǒng)的提示做一些特定的動(dòng)作，例如嘴型變化、頭部轉(zhuǎn)動(dòng)、表情變化等;系統(tǒng)比較用戶(hù)的反應(yīng)是否與預(yù)期相符合，若符合則判斷為活體，否則判斷為照片;用戶(hù)配合的檢測(cè)方法的優(yōu)點(diǎn)是確保活體，缺點(diǎn)是暴露了系統(tǒng)活體檢測(cè)的判斷依據(jù);另外，用戶(hù)配合的檢測(cè)方法要求用戶(hù)按照提示做一系列的動(dòng)作，容易使用戶(hù)產(chǎn)生厭煩情緒，降低了系統(tǒng)的友好性;盲檢測(cè)的方法不需要用戶(hù)配合，是在用戶(hù)不知情的狀態(tài)下進(jìn)行活體檢測(cè);盲檢測(cè)方法的優(yōu)點(diǎn)是隱蔽性強(qiáng)，安全性高，缺點(diǎn)是可以穩(wěn)定有效利用的活體特征較少;例如，眼睛眨動(dòng)是盲檢測(cè)方法常用的活體特征。鑒于盲檢測(cè)的優(yōu)點(diǎn)，浙江大學(xué)申請(qǐng)了專(zhuān)利CN101216887A（公開(kāi)號(hào)），該申請(qǐng)是通過(guò)人臉位置檢測(cè)，截取人臉圖片并定位出眼睛中心;截取眼部圖像，作歸一化處理，計(jì)算眼睛的開(kāi)合程度，建立用于判斷眨眼動(dòng)作的模型，處理視頻中每一幀圖像，基于模型判斷是否存在眨眼動(dòng)作，完成活體識(shí)別。根據(jù)統(tǒng)計(jì)，人眼平均2到4秒才眨動(dòng)一次，而且，長(zhǎng)時(shí)間不眨眼的人也不少，因此，為了誘發(fā)用戶(hù)在無(wú)意識(shí)的狀態(tài)下產(chǎn)生眨眼動(dòng)作，中山大學(xué)申請(qǐng)了專(zhuān)利CN101908140 A（公開(kāi)號(hào)），該專(zhuān)利通過(guò)系統(tǒng)給出誤導(dǎo)性提示信息，Adaboost檢測(cè)人臉、人眼區(qū)域，差分灰度投影精確框定人眼眼眶，計(jì)算相鄰兩幀眼睛光流場(chǎng)，由光流計(jì)算的結(jié)果得到像素運(yùn)動(dòng)幅值，計(jì)算幅值足夠大的點(diǎn)數(shù)占整個(gè)圖像點(diǎn)數(shù)的比重，若占到相當(dāng)大的比例則判斷此時(shí)人眼區(qū)域發(fā)生了較大的運(yùn)動(dòng)，說(shuō)明為活體，否則為照片。為了解決傳統(tǒng)閉眼分類(lèi)器的性能難以滿(mǎn)足需求，例如有人眼睛較小或有人眼睛無(wú)法完全閉合等，和眨眼檢測(cè)難抵抗基于視頻的虛假人臉攻擊，上海依圖網(wǎng)絡(luò)科技有限公司申請(qǐng)了專(zhuān)利CN104794464A（公開(kāi)號(hào)），該專(zhuān)利根據(jù)關(guān)鍵點(diǎn)獲取眼睛的區(qū)域;判斷連續(xù)多幀圖像中區(qū)域的屬性變化值的規(guī)律是否符合真實(shí)人臉的變化規(guī)律，其中屬性變化值為上下眼皮間的距離變化值;該專(zhuān)利采用屬性變化信息進(jìn)行活體人臉檢測(cè)，相比現(xiàn)有技術(shù)，在性能上有明顯提升，可以滿(mǎn)足如眼睛較小或眼睛無(wú)法完全閉合等場(chǎng)合的需求。

3.2.2 基于多個(gè)行為動(dòng)作的活體識(shí)別。一般而言，活體人臉檢測(cè)面臨著三種欺詐手段：使用合法用戶(hù)的照片，使用合法用戶(hù)的視頻，使用合法用戶(hù)的三維模型。其中，使用合法用戶(hù)的照片欺詐是最常見(jiàn)的一種方式，原因在于一個(gè)人的臉部圖像是非常容易獲取的，比如，通過(guò)互聯(lián)網(wǎng)下載，通過(guò)攝像頭在合法用戶(hù)不知情的情況下抓拍等;入侵者可以通過(guò)人臉圖像在圖像采集設(shè)備前旋轉(zhuǎn)、翻轉(zhuǎn)、彎曲、搖擺等手段造成一種類(lèi)似于合法用戶(hù)真人的效果去欺騙生物識(shí)別認(rèn)證系統(tǒng);并且，目前來(lái)看，檢測(cè)一張輸入的圖像是來(lái)自真實(shí)人臉或者是照片人臉依舊是一件非常有挑戰(zhàn)性的工作。視頻欺詐是另外一種對(duì)于人臉識(shí)別系統(tǒng)具有很大威脅的手段，這種手段呈現(xiàn)出的效果和真實(shí)人臉的效果非常相似，而合法用戶(hù)的臉部視頻可以通過(guò)其面前的針孔攝像頭獲取;并且這種方法具有很多特征，如頭部運(yùn)動(dòng)，臉部表情、眨眼運(yùn)動(dòng)等;這些特征是照片所不具備的，正因?yàn)槿绱耍@種欺詐手段也是對(duì)活體檢測(cè)系統(tǒng)威脅最大的一種。三維模型具備人臉的三維信息，然而這些信息是剛性的，并且是缺少生理信息，并且要仿造一個(gè)活人的三維模型是非常困難的。所以，照片欺騙和視頻欺騙是攻擊活體人臉檢測(cè)系統(tǒng)最常見(jiàn)，最普遍的手段和方法。因此為了驗(yàn)證當(dāng)前圖片或視頻序列中出現(xiàn)的人臉是否是具有生物活性特征的人體，湖北微模式科技發(fā)展有限公司申請(qǐng)了專(zhuān)利CN103440479A（公開(kāi)號(hào)），該專(zhuān)利通過(guò)預(yù)先保存動(dòng)作集，包括但不限于：眨眼、揚(yáng)眉、閉眼、瞪眼、遮擋眼睛、遮擋鼻孔、微笑、笑臉、 伸舌頭、觸摸下巴等;從拍攝的視頻序列中獲取圖像;在視頻圖像中檢測(cè)人臉，如果檢測(cè)到人臉，則確定人臉的位置和大小;通過(guò)關(guān)鍵區(qū)域檢測(cè)器對(duì)檢測(cè)到的人臉的面部關(guān)鍵區(qū)域檢測(cè)定位;判斷當(dāng)前檢測(cè)到的人臉圖像是否為正面人臉;如果是正面人臉，隨機(jī)選擇動(dòng)作集中的一種或多種動(dòng)作，同時(shí)隨機(jī)選擇一種或多種動(dòng)作完成的次數(shù)，并提示用戶(hù);通過(guò)動(dòng)作檢測(cè)器檢測(cè)用戶(hù)所做動(dòng)作，若用戶(hù)在指定時(shí)間內(nèi)完成隨機(jī)選擇的動(dòng)作和完成次數(shù)，則判定為活體;否則，判定為非活體。由于上述專(zhuān)利僅僅通過(guò)在客戶(hù)端給用戶(hù)下發(fā)隨機(jī)挑選的動(dòng)作來(lái)進(jìn)行活體檢測(cè)，因此存在其隨機(jī)性能不佳導(dǎo)致隨著攻擊頻率的增加容易被破解的問(wèn)題。為了解決該問(wèn)題，平安科技（深圳）有限公司申請(qǐng)了專(zhuān)利CN109684800A（公開(kāi)號(hào)），該專(zhuān)利通過(guò)在接收到終端發(fā)送的業(yè)務(wù)辦理請(qǐng)求時(shí)，根據(jù)所述請(qǐng)求隨機(jī)生成提示信息，并將所述提示信息發(fā)送至所述終端，所述提示信息包括待檢測(cè)動(dòng)作和待回答問(wèn)題對(duì)應(yīng)的提示信息;當(dāng)接收到所述終端反饋的動(dòng)作信息和問(wèn)題答復(fù)信息時(shí)，判斷所述動(dòng)作信息和問(wèn)題答復(fù)信息是否均滿(mǎn)足檢測(cè)通過(guò)條件，其中，所述檢測(cè)通過(guò)條件包括所述動(dòng)作信息的動(dòng)作特征和所述待檢測(cè)動(dòng)作的動(dòng)作特征匹配，以及所述問(wèn)題答復(fù)信息和所述待回答問(wèn)題的答案匹配;當(dāng)所述動(dòng)作信息和問(wèn)題答復(fù)信息均滿(mǎn)足所述檢測(cè)通過(guò)條件時(shí)，完成活體檢測(cè);該專(zhuān)利以待檢測(cè)動(dòng)作和待回答問(wèn)題的組合式活體檢測(cè)方式極大提升了活體檢測(cè)的隨機(jī)性能，使活體檢測(cè)具備更好的防御攻擊的能力。

4 小結(jié)

對(duì)于基于物理特征的活體識(shí)別，基于瞳孔光特性的活體識(shí)別，友好性差，但是可以有效抵御照片欺騙和視頻欺騙;基于模板特征的活體識(shí)別，硬件開(kāi)銷(xiāo)大，但可以針對(duì)的防御某種攻擊;基于人臉三維特征的活體識(shí)別，運(yùn)算復(fù)雜度高，但是能夠簡(jiǎn)化活體檢測(cè)的判斷流程。對(duì)于基于行為特征的活體識(shí)別，基于眨眼運(yùn)動(dòng)的活體識(shí)別，能夠在用戶(hù)不知情的狀態(tài)下進(jìn)行活體檢測(cè)，隱蔽性強(qiáng)，安全性高，但是如何進(jìn)一步提高抵抗基于視頻的虛假人臉攻擊的性能，將是未來(lái)的研究發(fā)展方向;基于多個(gè)行為動(dòng)作的活體識(shí)別，能夠提高活體識(shí)別的檢測(cè)率，但是如何進(jìn)一步提高多個(gè)動(dòng)作的隨機(jī)性能，使活體檢測(cè)具備更好的防御攻擊的能力，應(yīng)該是未來(lái)的研究發(fā)展方向。

參考文獻(xiàn)：

[1] 陳曦等.生物識(shí)別中的活體檢測(cè)技術(shù)綜述[A].Proceedings of the 34th Chinese Control Conference[C]，2015：3797-3804.

[2] 蔣方玲等.人臉活體檢測(cè)綜述[J].自動(dòng)化學(xué)報(bào)，2019（4）.

[3] 陳寧鈺.人臉活體檢測(cè)綜述[J].信息與電腦，2019（8）：108-109，112.