人臉識別技術被廣泛應用於公共安全、金融支付、交通安全等領域。使用較多的場景是使用者通過智慧手機上的人臉識別技術完成解鎖、支付等動作，俗稱“刷臉”，還有一些開發者會在應用中整合人臉識別技術便於使用者登入帳號、修改密碼等。
然而，人臉識別在呈現顯著應用價值的同時，“假臉”安全風險也逐漸顯現。目前，華為機器學習服務（ML Kit）的活體檢測服務日活呼叫量較高，其辨別人臉真偽的能力精準觸達了使用者的核心訴求，引起廣大開發者共鳴。為了使人臉識別變得更加安全，我們在靜默式活體檢測的基礎上增加了互動式活體檢測能力，希望和開發者共同構建安全友好的人臉識別體驗。
活體檢測，讓“假臉”無所遁形
在大多數人的印象中，人臉識別技術就是讓機器把人認出來，但目前人臉識別技術僅能快速識別人臉影像的身份，卻無法準確辨別人臉的真偽。那麼如何自動、高效地辨別影像真偽，抵抗欺騙攻擊以確保系統安全成為人臉識別技術中亟待解決的問題。
首先，要想讓人臉識別變得更加安全，我們需要檢測出偽造的、不真實的人臉——活體檢測就是被用來指代這種演算法的術語。它被用來判斷人臉是否為活體，包括列印的紙質照片、電子產品顯示螢幕、矽膠面具、立體 3D 人像等藉助其他媒介呈現的人臉都可以定義為虛假的,可以抵禦各種假臉攻擊。
其次，活體檢測面臨很多挑戰，在金融、公共事業、休閒娛樂等場景中的豐富應用，帶來了一些不確定性。比如，不同應用場景對活體檢測的效能要求不同，裝置的多樣性使得高中低裝置效能差異大，還有人種多樣性、環境變化大小等。這就更加需要活體檢測技術不斷更迭，持續更新。
新升級互動式活體檢測，優化使用者體驗
為了降低以上不確定因素帶來的影響，華為機器學習服務（ML Kit）新增互動式活體檢測能力。通過採用指令動作配合的方式，使用者可以在眨眼、張嘴、左搖頭、右搖頭、注視五種動作中隨機選擇3種。指令配合錯誤則認為是偽造欺騙，同時支援引導檢測，識別場景增多。
針對遮擋和光線不佳的場景時，互動式活體檢測能力採用深度學習模型結合影像處理技術，精準辨別檢測場景，給出引導提示。比如人臉過近、過遠提示；暗光、強光提示；口罩、墨鏡遮擋提示等，以期實現準確高效、安全友好的人性化體驗。
如今，人臉識別與我們的生活息息相關，銀行證券、金融保險、民生社保、汽車金融、房屋租住、新聞媒體等都有人機互動的場景，當使用者需要進行遠端身份驗證來確認身份資訊時，活體檢測服務可以通過最少的指令幫助使用者快速達成目標和任務，進一步降低操作成本，體驗快速便捷的人臉身份稽核流程。
新升級後，活體檢測服務將支援靜默式和互動式兩種活體檢測方式。
-
靜默式活體檢測在演算法上有許多突破，我們與資料公司合作採集了200多種型別的資料場景，用以覆蓋使用者使用場景的多樣性；
-
互動式活體檢測則提供給開發者一整套引導控制元件和實際演算法呼叫框架。每一位開發者都可以參考互動式UI，簡單整合。
企業可以根據自身業務需求，選擇適合的活體檢測方案應用於各類人臉識別場景。例如保險投保身份核驗、遊戲使用者實名防沉迷、運營商實名制開卡、視訊直播及打賞許可權開通等各種業務。
活體檢測服務的普及，將不斷促進技術的快速革新，未來，華為機器學習服務基於AI技術，將繼續為各行業智慧化應用打造高安全性、高通過率、高易用性的活體檢測方案，為企業風控安全與使用者個人資訊保安保駕護航。
更多活體檢測服務詳情，請點選：
https://developer.huawei.com/consumer/cn/doc/development/hiai-Guides/liveness-detection-0000001051386243#section2806658192714?ha_source=hms1
瞭解更多詳情>>
訪問華為開發者聯盟官網
獲取開發指導文件
華為移動服務開源倉庫地址：GitHub、Gitee
關注我們，第一時間瞭解 HMS Core 最新技術資訊~