脸活体验证是人脸识别过程中重要的一环，主要区分真实的人脸与假脸图像，能够识别通过纸张打印，屏幕翻拍，3D模型等场景的欺骗行为。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，能够获得不错的效果，但是没有得到一个能够兼容多种摄像头的活体算法，我们将我们训练的其中一个模型开放出来，逆光等情况下效果不是很好，可以作为参考。 依赖 基于mobilenet-0.5 OpenCV 3.4.3以上 MTCNN人脸检测 凯拉斯，TF Python3 运行 python src / demo.py

飞睿智能-爱希存在感应雷达产品使用说明

Zeusee配合型人脸活体检测 在移动端进行人脸识别应用开发的时候，经常存在用户会使用翻拍照片录制录像等来欺骗人脸识别系统，因此活体检测是人脸识别和人脸验证中非常重要的一个部分，同时目前开源活体检测代码的补充，但配合型活体检测实现相对比较简单，因此我们可以做到简单的实现，并并进行了所有的代码。 更新 增加了基于IntraFace活体检测（2018.03.30） 单目配合型活体检测 由于移动端传感器的有限性，在广泛只有单个现有放置摄像机的情况下，非配合型的人脸活体检测实现相对比较复杂。需要的数据成本也相对较高。而配合性活体检测仅需要通过用户简单的低头摇头操作即可极大降低用户的欺骗攻击成本。 基本

人脸活体检测，检测是拍摄的图片还是翻拍手机的照片。

人脸面部特征, 与生俱来, 具有唯一性、自然性、终身不变等特点, 因此人脸识别作为一种身份鉴别方式, 相比于传统的认证技术具有巨大的便利性优势. 然而人脸识别容易受到图片、视频、面具等伪造攻击, 由于其不可更改特性, 若生物特征发生泄漏或篡改, 会造成难以挽回的风险和损失. 本文提出的安全人脸识别解决方案, 通过特殊的安全人脸采集模组, 完成活体检测, 模组中通过人脸加密专用密钥, 对图片进行加密、签名处理, 同时在识别流程中的多重安全设计, 保证人脸生物特征的安全.

下面小编就为大家带来一篇基于HTML5 的人脸识别活体认证的实现方法。小编觉得挺不错的， 现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧

Android开发之虹软人脸识别活体检测基本步骤-附件资源

android虹软识别2.0版本，包含人脸注册，活体检测，人脸识别，人脸比对等功能。记得填写自己申请的APPID和SDKkey。更多请查看博客：https://blog.csdn.net/xiayiye5/article/details/88354267 注意： 解压后是导入module，不是导入project！

Unity做的在线识别活体人脸