人脸活体检测调研–开源项目

1.Github：https://github.com/zeusees/HyperFAS

HyperFAS 基于深度学习人脸静默活体算法
  人脸活体验证是人脸识别过程中重要的一环，主要用以区分真实人脸与假脸图像，能够识别利用纸张打印、屏幕翻拍、3D模型等方式的欺骗行为。我们在算法设计阶段，尝试了不同的方法，包括：SVM、LBP、深度学习等。针对单一场景或者摄像头，能够得到不错的效果，但是没有得到一个能够适配多种摄像头的活体算法，这里我们将其中一个较好模型开放出来，但是在逆光等情况下效果依然不是很好，大家可以作为参考。
这个模型大约采用了36w张图像，其中假脸18w张，真脸18w万张，包括纸张、屏幕，也采用了大部分公开的假脸数据集。

模型验证：
  实际测试结果，笔记本摄像头视频识别效果不是很好，误报明显，结果不稳定。

2.Github：https://github.com/Davidzhangyuanhan/CelebA-Spoof

结果测试： Issues中用户摄像头的结果更倾向于单一一种结果，无法区分真人和照片。
可能原因： 机器的质量，光照条件对结果有很大的影响。

3.Github:https://github.com/minivision-ai/Silent-Face-Anti-Spoofing

静默活体检测 (Silent-Face-Anti-Spoofing)
  该项目为小视科技的静默活体检测项目,您可以扫描下方的二维码获取安卓端APK,体验静默活体的检测效果.

因傅里叶频谱图一定程度上能够反应真假脸在频域的差异,因此我们采用了一种基于傅里叶频谱图辅助监督的静默活体检测方法, 模型架构由分类主分支和傅里叶频谱图辅助监督分支构成。

实际效果：
  1.不同场景，阈值稍有差异，根据真脸与假脸的置信度，可以尝试调节阈值。
  2.不同手机型号，前置摄像头的成像有差异，体验也有一定差异的。

END