opencv 活體檢測

▲專案目的：識別真實人臉和**，實現「識真」而不止「識臉」。

▲使用工具：opencv，python，matlab

首先1. 構建影象資料集

2. 實現乙個能夠進行活體檢測的卷積神經網路（我們稱之為「livenessnet」）

3. 訓練活體檢測網路

（效果圖）

活體檢測的方法有很多，包括：

活體檢測最終的效果取決於訓練樣本的數量，如果訓練樣本是誰的臉，那監測出此人的臉準確率更高。

將活體檢測看作二分類問題

**段/* gather_examples.py  */

1

#import the necessary packages
2import
numpy as np
3import
argparse
4import
cv25
importos6
#construct the argument parse and parse the arguments
7 ap =argparse.argumentparser
8 ap.add_argument("
-i", "
--input
", type=str, required=true,
9 help="
path to input video")
10 ap.add_argument("
-o", "
--output
", type=str, required=true,
11 help="
path to output directory of cropped faces")
12 ap.add_argument("
-d", "
--detector
", type=str, required=true,
13 help="
path to opencv's deep learning face detector")
14 ap.add_argument("
-c", "
--confidence
", type=float, default=0.5,
15 help="
minimum probability to filter weak detections")
16 ap.add_argument("
-s", "
--skip
", type=int, default=16,
17 help="")
18 args = vars(ap.parse_args)

第 8-19 行**將解析我們的命令列引數：

「--output」：儲存每個裁剪出來的人臉影象的輸出目錄的路徑。

「--confidence」：過濾弱人臉檢測結果的最小概率。預設情況下，該值為 50%。

「--skip」：我們不需要檢測並儲存每個影象，因為相鄰的幀是相似的。相反我們會在兩次人臉檢測任務之間跳過 n 個幀。你可以使用此引數修改預設的 n 值（16）。

---未完待續---

活體檢測方法

紋理分析，包括計算臉部區域上的區域性二進位制圖案 lbp 並使用svm將臉部分類為真實或欺騙。的紋理特徵是重要的依據，給2d 拍照，比起給3d真人拍照，會損失一些紋理。頻率分析，例如檢查面部的傅利葉域。臉部的頻率組成，也不像真人那樣豐富。可變聚焦分析，例如檢查兩個連續幀之間的畫素值變化。連拍兩張 聚...

人臉活體檢測資料

目前，主流的活體檢測技術基於攝像頭型別可分為 基於2d人臉活體檢測和基於3d人臉活體檢測。兩種演算法目前都有實際的案例。從識別精度出發，3d人臉活體檢測遠勝於2d人臉活體檢測，因為3d影象的深度通道可以獲取2d影象中沒有的距離資訊，對 欺騙等欺騙方式具有更好的鑑別能力。目前，支付寶及部分銀行已經開始...

人臉識別活體檢測技術

隨著深度學習方法的應用，識別人臉影象的技術的識別率已經得到質的提公升，目前識別人臉影象的技術率已經達到99 識別人臉影象的技術與其他生物特徵識別技術相比，在實際應用中具有天然獨到的優勢 通過攝像頭直接獲取，可以非接觸的方式完成識別過程，方便快捷。目前識別人臉影象的技術已應用在金融 教育 景區 旅運 ...