早在指纹识别应用中就有针对于活体手指的检测技术，即使机器只对真人活体指纹产生识别反应，对其他一切物质不作识别，用于指纹识别产品如考勤机、门禁系统等。
活体指纹识别的原理比较简单：如识别皮肤的温度、人体皮肤的电容值等。
本文主要是针对人脸识别应用中出现的
人脸活体检测
做简要调研及论述。有关人脸检测相关内容可以参考我的另一篇文章——
人脸检测与深度学习
传送门~
知乎专栏
引言——人脸识别技术迈向更高层次的一大障碍：活体检测
随着线上支付的不断普及，相关的人脸识别等技术正在中国不断进步。近日，麻省理工科技评论评出全球十大突破技术，其中由“刷脸支付——
Paying with Your Face
”榜上有名。
技术突破：人脸识别技术如今已经可以十分精确，在网络交易等相关领域已被广泛使用。
重大意义：该技术提供了一种安全并且十分方便的支付方式，但是或许仍存在
隐私泄露问题
目前基于深度学习等技术的人脸识别技术已经可以说达到炉火纯青的地步了，一定程度上解决了光照、大尺度姿态、甚至小部分遮挡等以前解决不了的我认为还有一个问题就是
存在被伪造合法用户人脸的攻击的风险。
————以下正文————————
和指纹、虹膜等生物特征相比，人脸特征是最容易获取的。人脸识别系统逐渐开始商用，并向着自动化、无人监督化的趋势发展，然而目前人脸识别技术能识别人脸图像的身份但无法准确辨别所输入人脸的真伪。那么如何自动地、高效地辨别图像真伪抵抗欺骗攻击以确保系统安全已成为人脸识别技术中一个迫切需要解决的问题。
通常意义上的活体检测是当生物特征信息从合法用户那里取得时，判断该生物信息是否从具有生物活体的合法用户身上取的。活体检测的方法主要是通过识别活体上的生理信息来进行，它把生理信息作为生命特征来区分用照片、硅胶、塑料等非生命物质伪造的生物特征。
人脸识别技术面临着三种欺诈手段：
下面通过学术论文、专利发明和企业研发等三方面进行调查:
（一）
学术论文方面
人脸活体检测的学术研究机构主要有中科院自动化所李子青团队、瑞士IDAIP研究室高级研究员Sebastien Marcel主导的Biometrics group、英国南安普顿大学机器视觉系教授Mark S. Nixon所属的视觉学习与控制研究组和国际生物特征识别著名专家Anil K. Jain所在的密歇根州立大学生物特征识别研究组。近些年上述机构所著的关于活体检测的高质量文章陆续发表在IEEE TIFS/TIP等一些顶级期刊，同时Springer于2014年出版了由Sebastien Marcel等编著的《Handbook of Biometric Anti-Spoofing》，书中深入介绍了指纹、人脸、声音、虹膜、步态等生物特征识别反欺骗的方法，还对涉及的性能评估指标、国际标准、法律层面、道德问题等作了阐述，为生物特征识别反欺骗技术的进一步发展作出重要贡献。
