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。