現在人臉識別門禁系統已經應用非常廣發了，而人臉識別系統最為離不開的功能就是現在受關注非常高的活體檢測功能了，說到活體檢測功能，很多人都會好奇，這個活體檢測功能是通過哪些方法來進行識別并且判斷活體的呢？以前也有活體檢測功能，但是以前受限于技術原因，要實現活體檢測需要用戶主動配合，用戶體驗實在是不怎么樣，如果現在的人臉識別門禁系統還要用戶主動去做這些動作，那么無疑沒有幾個人回去用它。

為了實現真正的無感通行，人臉識別門禁系統已經進行了完善的更新，并且已經實現了真正的無感通行。那么人臉識別系統實現活體檢測的常用方法是什么？下面就來一起了解下吧！

普通攝像頭檢測法

我們的人臉從表面來看是靜止的，但是事實上卻不是如此，從微觀來看，我們的人臉也是在不斷的進行運動，總是有一些我們不易察覺的微表情顯露，我們可能不能很精準的看到，但是分辨率很高的攝像頭能夠精準的捕捉人臉的微表情，比如人眼皮和眼球輕微的律動、嘴唇以及周邊臉頰皮膚肌肉的收縮，利用特定的物理特征，以及多種物理特征的融合，活體檢測系統能夠可以很好的區分是活體還是造假，活體檢測中的物理特征主要分為紋理特征、顏色特征、頻譜特征、運動特征、圖像質量特征，此外，還包括心跳特征等。

紅外攝像頭活體檢測法

紅外人臉活體檢測主要是基于光流法而實現。光流法是利用圖像序列中的像素強度數據的時域變化和相關性來確定各像素位置的“運動”，即從圖像序列中得到各個像素點的運行信息，采用高斯差分濾波器、LBP特征和支持向量機進行數據統計分析。

同時，光流場對物體運動比較敏感，利用光流場可以統一檢測眼球移動和眨眼。這種活體檢測方式可以在用戶無配合的情況下實現盲測。

3D攝像頭活體檢測

首先，提取活體和非活體人臉區域的N個（推薦256個）特征點的三維信息，對這些點之間的幾何結構關系進行初步的分析處理;

其次，提取整個人臉區域的三維信息，對相應的特征點做進一步的處理，再采用協調訓練Co-training的方法訓練正負樣本數據，利用得到的分類器進行初分類;

最后，利用以上兩個步驟所提取的特征點進行曲面的擬合來描述三維模型特征，根據曲面的曲率從深度圖像中提取凸起區域，對每個區域提取EGI特征，然后利用其球形相關度進行再分類識別。

以上就是關于人臉識別系統活體檢測的常用的幾種方法，人臉識別門禁系統是現在認可度非常高的系統，也是好評最多的系統，方便快捷，還很安全。可以發展一天一個樣，以后說不定還會出現更加先進更加安全高效的手段。
責任編輯：YYX