日前，嘉楠推出新的人脸活体检测方案。该方案在硬件方面配置了双目摄像头模组，并在AI芯片勘智K210中部署人脸活体检测模型。该模型可以有效阻止视频、单一或复杂背景照片、抠除五官的照片等多种真人伪造手段。

传统人脸识别模型无法识破“照片骗局”

活体检测是指在身份验证场景中加入对象真实生理特征的方法。在传统的人脸识别场景中，当机器面对目标对象时，会将提取后的人脸图像特征与数据库中的人脸特征进行对比。只要特征值与库中人脸数据一致，机器就会认为你是真人。

然而在多数情况下，屏幕中显示的人脸是二维平面图像，这就让机器很难区分你到底是你本人，还是“照骗”欺诈。事实上，有很多常见的伪造手段就是利用这一点来骗过机器。对于单模可见光人脸识别产品而言，仅仅通过工卡或者照片就能成功通过机器的验证。

为了应对“照骗”攻击，目前很多产品在人脸识别模型中加入了“交互式动作活体检测”功能。这种方式需要对象眨眼、摇头等简单动作来辅助机器判断是否为真人。但道高一尺魔高一丈，录制视频、抠除照片的五官后再做动作等新的攻击方式也应运而生，通过它们同样可以轻松骗过机器。

多模态人脸特征融合识别 阻止多种攻击手段

据介绍，嘉楠本次研发的人脸活体检测模型采用了多模态（可见光+近红外）人脸特征融合的方法进行判断，即可见光人脸和近红外人脸先通过嘉楠自研的轻量化卷积神经网络提取特征图，然后采用“SE Block”方式reweighting后进行融合。

根据测试情况，嘉楠研发的人脸活体检测模型可有效抵挡视频、工卡、照片（单一背景、复杂背景、抠除五官）、屏幕翻拍等常见的攻击手段，从而帮助用户甄别人脸欺诈行为，保障客户的利益。

目前多数人脸识别系统利用可见光人脸图像进行识别，其识别性能易受到光照条件的影响。同时，基于可见光光谱的识别方式也很难应对常见的伪造攻击。嘉楠研发人员表示，多模态的人脸特征融合的方式，既能提升模型的识别性能，也能减少光照条件对性能的干扰。

事实上，近红外人脸活体检测无需指令配合，检测成功率较高。这种检测的关键是确定人脸图像中每个像素位置的“运动”情况，即光流。活体人脸因为微表情的变化，其光流显示为不规则的向量特征，而照片光流的向量特征是规则有序的，据此可以判断出假人脸的情况。

嘉楠表示，目前正积极推进该方案在人脸门禁等身份验证场景的部署和应用