人脸识别系统如何区分真人脸和人脸照片？答案

【问题标题】：How do face recognition systems differentiate between a real face and a photo of a face?人脸识别系统如何区分真人脸和人脸照片？
【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。

标签： python-3.x opencv tensorflow keras face-recognition

【解决方案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。

【讨论】：

【解决方案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。

【讨论】：