「小視科技」開源靜默活體檢測算法重磅來襲

近年來，人臉識別技術已經逐漸滲透在我們生活的諸多方面，如廣泛應用於金融、安防反恐、教育、社交娛樂、設備、門禁/考勤、交通、智能商業等領域。人臉支付、人臉進站、人臉取件、人臉通行...刷臉的方式，為我們的生活帶來了便捷的智慧體驗。

▲圖源網絡

然而在人臉識別快速發展下，問題也隨之而來。如「3D列印人臉騙過支付寶刷臉購買火車票」、「攻破iPhone刷臉解鎖轉走熟睡用戶錢」、「高清照片刷臉取件成功」的事件時常有之，人臉識別的安全性面臨較大挑戰。

▲圖源網絡

為解決人臉識別安全性問題，避免非活體攻擊，活體檢測、3D人臉識別等技術加速應用，各大企業也在紛紛發力，積極助力人臉識別安全性提升。

小視科技針對當下人臉識別存在的安全問題，開源了一個靜默活體檢測算法和可適用於安卓平臺的部署源碼。

• 靜默活體檢測算法項目地址：https://github.com/minivision-ai/Silent-Face-Anti-Spoofing

• 安卓平臺部署源碼項目地址：https://github.com/minivision-ai/Silent-Face-Anti-Spoofing-APK

小視科技開源的基於 RGB 圖像的活體檢測模型，是專門面向工業落地場景，兼容各種複雜場景下的模型。

RGB 圖片主要通過屏幕拍攝出現的摩爾紋、紙質照片反光等一些細節信息進行真假判別，在實際應用場景中面臨著更大的挑戰性。此次小視科技開源的靜默活體算法，將為人臉識別技術帶來更具優勢的應用。

算法優勢特點

1、自研的輕量級剪枝網絡，超低運算量，運行速度更快

小視科技自研的剪枝輕量級模型，運算量為 0.081G，在麒麟 990 5G 晶片上僅需 9ms。

▲安卓端體驗 APK DEMO 演示

小視科技模型觀測誤檢率在十萬一對應的真臉通過率，在精度沒有明顯損失的情況下，模型前向運行的速度提升了 40%。

2、模型精度高，真臉通過率高

小視科技團隊基於實際的生產場景建立了 100W 量級的測試集。含真臉數據（強光、暗光、背光、弱光以及陰陽臉等各種複雜場景）、2D 的假臉數據（列印紙、銅版紙、照片紙以及電腦屏幕、平板 Pad 屏幕、手機屏幕）、 3D 的假臉數據（頭模、矽膠面具和紙質照片摳洞的人臉面具）。

並引入了傅立葉頻譜圖作為模型訓練的輔助監督，有效提升了模型精度。同時小視科技針對於不同輸入尺度、不同網絡結構以及不同迭代次數的模型進行融合，充分挖掘模型間對分類任務的互補性，提升模型精度。

▲傅立葉頻譜圖

其開源模型誤檢控制在 1e-5 的情況下，真臉通過率能夠達到 97.8%。未開源的高精度模型在相同的誤檢率下，真臉通過率達到 99.5%。

▲模型觀測指標

同時，小視科技靜默活體算法基於 PyTorch 訓練的模型能夠靈活地轉化成 ONNX 格式，實現全平臺部署。

活體檢測作為人臉識別技術安全性的重要一環，是人臉識別技術廣泛落地應用的關鍵。我們堅信未來小視將帶來更多的領先技術和算法，為人臉識別安全護航，為智能化應用賦能。

為了更好體驗該項靜默活體檢測技術，小視科技還帶來了用於測試的安卓端 APK，開發者可更加直觀的體驗感受其效果，還可實時觀測速度、置信度等相關指標。