人脸认证登录技术解决方案

1、人脸认证登录技术解决方案目录 TOC o 1-5 h z 1系统概述3什么是人脸认证登录3人脸认证主要功能模块3人脸认证登录的优势4L 4人脸认证技术的难度52人脸认证登录系统62. 1系统架构62.2实现流程72. 3算法解析73人脸认证登录优化93. 1活体检测93.2自适应学习91系统概述什么是人脸认证登录从功能上来看，人脸认证登录系统是基于终端摄像头的一种身 份加密技术，其核心为人脸识别技术。它通过视频扫描来确认使用者的身份。用户在进入登录界面时,终端 将自动通过摄像头将用户图像传入人脸识别系统,系统对人脸特征 进行分析鉴定后，确定用户是否合法。人脸认证主要功能模块人脸捕获与跟踪功能：

2、人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人 像从背景中别离出来，并自动地将其保存。人像跟踪是指利用人像 捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其 进行跟踪。人脸识别比对：人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕 获得到的人像或是指定的人像与数据库中已登记的某一对像作比对 核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记 的所有人像中搜索查找是否有指定的人像存在。人脸的建模与检索：可以将登记入库的人像数据进行建模提取人脸的特征，并将其 生成人脸模板（人脸特征文件）保存到数据库中。在进行人脸搜索 时（搜索式），将指定的人像进行建模，再将其与数据

3、库中的所有 人的模板相比对识别，最终将根据所比对的相似值列出最相似的人 员列表。真人鉴别功能：系统可以识别得出摄像头前的人是一个真正的人还是一幅照 片。以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情 的配合动作。图像质量检测：图像质量的好坏直接影响到识别的效果，图像质量的检测功能 能对即将进行比对的照片进行图像质量评估，并给出相应的建议值 来辅助识别川。人脸认证登录的优势采用人脸认证登录，可以免去繁琐的密码输入，交互更加快捷 方便。除此之外，作为一项典型的生物特征识别技术，人脸登录技 术还具有其他加密手段不可比较的一些优势：1、更符合人类的识别习惯。相比于冰冷的键盘和复杂的“娉娉 袅袅

4、十三余，豆蔻梢头二月初”密码，坐在终端前晃一晃脑袋就能 登录显然更加亲切；2、图像采集设备的本钱低。人脸认证需要的终端摄像头在PC 和手机上几乎都是标准的外设，这就防止了指纹、虹膜等识别技术 需要专门采集设备的麻烦；3、非接触式识别。用户不需要触摸甚至不需要靠近设备就能实 现“远程”登录。操作便捷的同时也不会对用户造成生理上的伤 害，容易被大多数的用户接受。4、具备事后追踪能力。人脸认证系统可以在登录事件发生的同 时保存当事人的人脸图像，即使不懂技术的管理人员，也可以直观 的对事件进行监控和复查，这确保了系统具有良好的事后追踪能 力。人脸认证技术的难度经过近40年的开展，人脸认证已经成为监控系

5、统的首选,众多 的商业人脸识别系统如雨后春笋般占据了电子考勤,场景监控等应 用场所。目前，好的人脸识别系统在用户配合、控制光照、采集条 件理想的情况下其性能已经接近完美。在2006年和2008年美国国 防部高级研究工程署分别组织的全球大规模人脸识别算法性能 (FRVT2006和MBGC2008)评测中，最优秀的识别系统在错误识别率 为千分之一时，取得了百分之九十九以上的识别率。然而，在非控 制的采集环境下，人脸识别性能却显著下降，对不太容易解决的图 像正确识别率只有百分之八十六左右。在今天，随着无线互联网和智能手机的普遍使用，人脸识别也 面临着越来越多的挑战。在不可靠的采集环境下，用户的面部表

6、现 千变万化，其复杂程度远远超出了标准评测中获取的图片。总的来 说，人脸认证技术的难度表达在：1、图像分辨率低。在高分辨率图像下，人脸图像能够传递更加 丰富的用户信息。而在这些互联网应用中，摄像头的质量良莠不 齐，这给有效提取面部特征带来了困难。2、模态多样性。由于采集设备的不同与环境光源的差异，人脸 图像有着多种不同存在的方式，如证件照，数码照片，艺术照等。 在不同的光照波段下，人脸反射率也造成了图像信息的丧失。3、光照，姿态，遮挡和表情等拍摄环境。这些因素一直以来都 是人脸识别中较难解决的问题，如阴阳脸，黑框眼镜，鬼脸等。4、化妆与老化等不可防止的外界干扰。2人脸认证登录系统1系统架构TC

7、WAM pp_vr服务层TRFA人脸认证服务的大体架构如图1所示，分为接入层和服务 层。其中，接入层对外提供基于HTTP协议的服务接口 ,主要完成接 入用户请求、登录认证、分配应用服务器、返回结果等功能；服务 层提供具体的识别服务，完成单纯的计算任务，并把结果返回给接 入层。2实现流程(1)人脸注册流程用户在注册时，需要登录客户端界面，输入帐号UID和其他相 关信息(比方用户的姓名)，并拍照向服务器发送一张或多张自己 的正面照片。服务层记录该注册请求的帐号UID,客户端设备号 DevicelD,并由接收到的照片生成该用户的人脸特征模板。(2)人脸登录流程人脸登录包括认证(Verificatio

8、n)和识别(Recognition)两种模 式。用户只需人脸靠近摄像头，系统实时检测人脸并采集人脸视频 图像发送至服务器端，服务器端从待认证的人脸图像中提取特征后 与事先存储的用户特征模板进行比对。认证模式下，用户需要选定 其对应账户，服务器端只进行该账户(该UID必须在DevicelD注册 列表中)的人脸模板比对，当比对分数超过给定阈值时，返回人脸 登陆成功信号。识别模式下，用户不需要进行账户的选择，服务器 端会进行该DevicelD下的全部已注册UID的人脸模板比对。当比对 分数超过阈值时，系统登录进入最优相似度的账户。3算法解析为了满足不同应用场合的需要，人脸验证算法需要考虑到终端 质量

9、，采集环境，人脸变化等多方面的因素。具体而言，一套完整 的人脸注册与认证系统包含以下步骤：(1)人脸检测；(2)人脸关键点定位；(3)人脸形状和纹理归一化;(4)特征抽取；(5)特征降维；(6)模板比对(分类)宫* 修仁图2在人脸注册过程中，服务端只完成特征抽取与降维；而人脸登 录过程中，服务端对获取的图像进行特征抽取和降维后，根据分类 器输出该人脸图像的置信度，以判断该用户是否匹配。如下列图所 示，对于输入的单张图像，分别在客户端进行人和关键点的定位, 其次在服务器层进行图谯归二化与特征抽取，并分别再注册与验证 模式下进行后续的存储和分类操作。系统提供了例的人脸定位， 能够较好的应对人脸姿态

10、的变化。为了应对不同采集环境下的光照 条件，系统采用了一种新的图像去光照方法，有效滤除了图像的光 照干扰。在特征层面，分块的局部特征和全局特征被分别抽取，同 时结合局部特征与全局特征的编码能够防止图像在表情，遮挡等影 响下造成的局部纹理变形或者丧失。系统中采用了 3种不同的特征 编码模式(Gabor, LBP, HOG)。在特征抽取之后，多类特征分别进行 后续的分类操作，并以加权的分数级融合作为图像最终的验证结 果。此外，系统对于不同光照、环境中的差异，会通过每次登录自 学习的过程，逐步适应各种环境。3人脸认证登录优化在人脸产品的设计上，也要注意扬长避短，合理引导用户并进 行足够的提示，使得人脸认证登录系统发挥它最大的效能 3.1活体检测为了防止用照片等非生命体人像特征蒙混过关的情形，可以在 人脸验证中引入活体检测技术，这就需要被识别者在人脸可被检测 到的范围内，缓慢的左右摇头并作出一些轻微的表情变化，以便帮 助人脸识别系统确认是否具有生命特征