日前，嘉楠推出新的人臉活體檢測方案。該方案在硬件方面配置了雙目攝像頭模組，并在AI芯片勘智K210中部署人臉活體檢測模型。該模型可以有效阻止視頻、單一或復雜背景照片、摳除五官的照片等多種真人偽造手段。

傳統人臉識別模型無法識破“照片騙局”

活體檢測是指在身份驗證場景中加入對象真實生理特征的方法。在傳統的人臉識別場景中，當機器面對目標對象時，會將提取后的人臉圖像特征與數據庫中的人臉特征進行對比。只要特征值與庫中人臉數據一致，機器就會認為你是真人。

然而在多數情況下，屏幕中顯示的人臉是二維平面圖像，這就讓機器很難區分你到底是你本人，還是“照騙”欺詐。事實上，有很多常見的偽造手段就是利用這一點來騙過機器。對于單模可見光人臉識別產品而言，僅僅通過工卡或者照片就能成功通過機器的驗證。

為了應對“照騙”攻擊，目前很多產品在人臉識別模型中加入了“交互式動作活體檢測”功能。這種方式需要對象眨眼、搖頭等簡單動作來輔助機器判斷是否為真人。但道高一尺魔高一丈，錄制視頻、摳除照片的五官后再做動作等新的攻擊方式也應運而生，通過它們同樣可以輕松騙過機器。

多模態人臉特征融合識別 阻止多種攻擊手段

據介紹，嘉楠本次研發的人臉活體檢測模型采用了多模態（可見光+近紅外）人臉特征融合的方法進行判斷，即可見光人臉和近紅外人臉先通過嘉楠自研的輕量化卷積神經網絡提取特征圖，然后采用“SE Block”方式reweighting后進行融合。

根據測試情況，嘉楠研發的人臉活體檢測模型可有效抵擋視頻、工卡、照片（單一背景、復雜背景、摳除五官）、屏幕翻拍等常見的攻擊手段，從而幫助用戶甄別人臉欺詐行為，保障客戶的利益。

目前多數人臉識別系統利用可見光人臉圖像進行識別，其識別性能易受到光照條件的影響。同時，基于可見光光譜的識別方式也很難應對常見的偽造攻擊。嘉楠研發人員表示，多模態的人臉特征融合的方式，既能提升模型的識別性能，也能減少光照條件對性能的干擾。

事實上，近紅外人臉活體檢測無需指令配合，檢測成功率較高。這種檢測的關鍵是確定人臉圖像中每個像素位置的“運動”情況，即光流。活體人臉因為微表情的變化，其光流顯示為不規則的向量特征，而照片光流的向量特征是規則有序的，據此可以判斷出假人臉的情況。

嘉楠表示，目前正積極推進該方案在人臉門禁等身份驗證場景的部署和應用