人臉識別作為一項成熟的生物識別技術，目前已廣泛應用于金融、公安、社會服務、電子商務等領域。然而人臉很容易用視頻或照片等進行復制，人臉活體檢測是人臉識別能否有效應用的前提，目前對活體檢測方法的研究有很多。大多數活體檢測方法是研究性質的，它們大多基于特征提取與訓練的方式，這類方法的準確性是不可控的。另一類方法是要求用戶做轉頭、搖頭、眨眼或者張嘴等動作，但是這類方法對于視頻的防欺騙性不高。

為克服人臉識別系統的不足之處，目的在于提供基于人臉姿態控制的交互式視頻活體檢測方法，人臉活體檢測技術是當用戶的人臉被檢測到之后，用戶將被要求進行眨眼、張嘴、搖頭等動作，以過濾采用照片進行作假的用戶；在整個檢測過程中，用戶的人臉將會被跟蹤，以防止在認證的中途用戶人臉被切換，并且在整個認證過程中會抽取多張人臉照片與后臺人臉識別比對服務器預存的用戶人臉照片進行人臉比對，以防止其他人進行假冒。

人臉活體檢測技術的另一目的在于提供基于人臉姿態控制的交互式視頻活體檢測系統，包括攝像頭、智能設備以及人臉識別服務器，該系統能準確判斷出當前檢測者是否為活體真人，解決了現有人臉識別系統中存在的照片或視頻欺騙問題。

一個可以正常工作的人臉識別系統，除了實現識人之外，還需要其他的技術進行輔助，其中在人臉識別身份認證系統中很重要的一項技術就是人臉活體檢測。

人臉識別系統除了“識人”之外，還需要“識真”，也就是說在系統面前，不僅要證明這個人的臉是不是這個人的臉，還要證明這張臉是不是活體的人臉，而不是圖片、視頻、或者帶著面具的人臉。

針對幾種攻擊人臉識別系統的手段來看一下人臉活體檢測具體是怎么工作的：

1、簡單照片攻擊與動作活體

不壞好意的人或者犯罪分子拿合法用戶的證件等照片來攻擊人臉識別系統，但是照是靜物，不能做動作，所以我們就用動作人臉活體檢測指令來防范它，系統給出眨眼、搖頭、張嘴、微笑等動作指令來引導用戶通過驗證，這個是交互式的動作人臉活體檢測。

2、高級照片&視頻回放攻擊與隨機動作活體

有的人會打印出含有合法用戶的眨眼、張嘴等動作的照片或者視頻回放來攻擊人臉識別系統，這個時候動作人臉活體檢測也跟著升級了，采取了隨機動作的活體檢測動作指令，同時也增加了人臉離開檢測框需要重新開始的功能，這樣一來即使攻擊者使用帶動作的照片或者視頻回放也沒法避開隨機動作指令的檢測了，2張帶動作的照片的切換，系統會通知重新開始檢測，視頻中即使有指令動作順序也是固定的，沒有辦法做到隨機出現，隨著合法用戶防范意識的提高，大家不會把自己的動作指令信息錄下來給不法分子用的，這個2種攻擊手段繞不開系統的防御。

3、靜默活體檢測

隨機動作人臉活體檢測有著很高的安全性，但是按照指示讓用戶去做動作比較死板，對用戶來說體驗不是最好的。針對用戶體驗要求提高的要求，又出現了一種靜默活體檢測技術。不需要用戶做任何動作，只需要自然正對攝像頭三、四秒鐘，就可以完成整個檢測過程。真實的人臉和照片相比，即使不刻意做動作，也會有微表情存在的，比如眼皮、眼球的律動眨眼、嘴唇以及周邊面頰的伸縮等利用這些特征就可以進行有效防范了。

隨著深度學習方法的應用，人臉識別技術的識別率已經得到質的提升。人臉識別技術與其他生物特征識別技術相比，在實際應用中具有天然獨到的優勢：通過攝像頭直接獲取，可以非接觸的方式完成識別過程，方便快捷。而通過人臉識別與基于隨機動作指令的人臉活體檢測技術技術，非常好的解決了實名認證環節存在的風險與漏洞。