近年来，人脸识别技术已经逐渐渗透在我们生活的诸多方面，如广泛应用于金融、安防反恐、教育、社交娱乐、设备、门禁/考勤、交通、智能商业等领域。人脸支付、人脸进站、人脸取件、人脸通行...刷脸的方式，为我们的生活带来了便捷的智慧体验。
▲图源网络
然而在人脸识别快速发展下，问题也随之而来。如“3D打印人脸骗过支付宝刷脸购买火车票”、“攻破iPhone刷脸解锁转走熟睡用户钱”、“高清照片刷脸取件成功”的事件时常有之，人脸识别的安全性面临较大挑战。
▲图源网络
为解决人脸识别安全性问题，避免非活体攻击，活体检测、3D人脸识别等技术加速应用，各大企业也在纷纷发力，积极助力人脸识别安全性提升。
静默活体检测算法项目地址：
https://github.com/minivision-ai/Silent-Face-Anti-Spoofing
安卓平台部署源码项目地址：
https://github.com/minivision-ai/Silent-Face-Anti-Spoofing-APK
小视科技开源的基于 RGB 图像的活体检测模型，是专门面向工业落地场景，兼容各种复杂场景下的模型。
RGB 图片主要通过屏幕拍摄出现的摩尔纹、纸质照片反光等一些细节信息进行真假判别，在实际应用场景中面临着更大的挑战性。此次小视科技开源的静默活体算法，将为人脸识别技术带来更具优势的应用。
算法优势特点
1、自研的轻量级剪枝网络，超低运算量，运行速度更快
2、模型精度高，真脸通过率高
小视科技团队基于实际的生产场景建立了 100W 量级的测试集。含真脸数据（强光、暗光、背光、弱光以及阴阳脸等各种复杂场景）、2D 的假脸数据（打印纸、铜版纸、照片纸以及电脑屏幕、平板 Pad 屏幕、手机屏幕）、 3D 的假脸数据（头模、硅胶面具和纸质照片抠洞的人脸面具）。
其开源模型误检控制在 1e-5 的情况下，真脸通过率能够达到 97.8%。未开源的高精度模型在相同的误检率下，真脸通过率达到 99.5%。
同时，小视科技静默活体算法基于 PyTorch 训练的模型能够灵活地转化成 ONNX 格式，实现全平台部署。
活体检测作为人脸识别技术安全性的重要一环，是人脸识别技术广泛落地应用的关键。我们坚信未来小视将带来更多的领先技术和算法，为人脸识别安全护航，为智能化应用赋能。
为了更好体验该项静默活体检测技术，小视科技还带来了用于测试的安卓端 APK，开发者可更加直观的体验感受其效果，还可实时观测速度、置信度等相关指标。