活体检测
原理
活体检测
随着人脸识别、人脸解锁等技术在金融、门禁、移动设备等日常生活中的广泛应用，人脸防伪/活体检测（Face Anti-Spoofing）技术在近年来得到了越来越多的关注。一个可以正常工作的人脸识别系统，除了实现“认人”还包括应用于人脸识别身份认证系统中至关重要的一项技术————活体检测。
活体检测就是判断捕捉到的人脸是真实人脸，还是伪造的人脸攻击（如：彩色纸张打印人脸图，电子设备屏幕中的人脸数字图像 以及 面具 等）。本质是分类问题，可看成二分类（真 or 假）；也可看成多分类（真人，纸张攻击，屏幕攻击，面具攻击）
攻击方法
PA（Presentation Attacks）常用的攻击方式：
- print attack（即打印出人脸照片）
- replay attack（播放视频）
- mask attack（带人脸假体面具等）
照片攻击
最简单的攻击方式是用照片。可以轻易的从朋友圈和微博等渠道，搞到一张别人的照片。所以，照片自然是活体检测首要的防范对象。对付照片的方式，很简单，照片是死的，不能做出眨眼张嘴转头这些动作。所以在活体检测这一关，下达几个动作的指令，让你做动作给我看，这就是交互式动作活体检测。
视频攻击
把他人的动作录成视频，再拿来播放攻击，攻击难度已经上升一个级别了。要搞到另外一个人的视频，还得包含很规矩的这几个动作，这就比照片要难了。视频需要用屏幕进行播放，这就漏马脚了。用屏幕播放视频，然后再经过摄像头成像的画面，和真人在摄像头面前成像的画面，二者其实很不一样。前者会有一堆纹路，我们称之为摩尔纹。用高清屏播放的效果会好一些，可是也有很多不一样，比如反光、倒影，最关键是画面质量总是模糊一些，失真度明显高一些。所以根据这些线索搞对应的算法，视频攻击也能防得很好。
立体面具攻击
照片和视频回放攻击都是把人脸图像投射到一个平面上，这次的攻击方式就是做一个和真人比较相似的立体面具。到这里，攻击难度又上升了一个级别。面具有很多种，最普通的是塑料或者硬纸做成的面具，这种面具虽然成本低廉，但材质相似度极低，用普通纹理特征就可以识别出来。另外，还有用硅胶、乳胶以及3D打印的的立体面具，这类面具的表观和皮肤更加接近，但它们的材料表面反射率和真实人脸还是不同的，因此在成像上仍然有差别，这种差别是可以用最先进的机器学习算法学习到，很难达到以假乱真的程度。
静默活体
动作活体检测的方式具有很高的安全性，但另一方面，对用户来说，由于要配合着做几个动作，因此体验不是非常好。新的活体检测方式，不需要用户做任何动作，只需要自然正对摄像头三四秒钟，就可以完成检测了。原因是虽然没有刻意做动作，但真实的人脸并不是绝对静止的，总有一些微表情存在，比如眼皮和眼球的律动、眨眼、嘴唇及其周边面颊的伸缩等，利用这些特征，我们完全可以防住照片攻击。至于视频回放攻击和立体面具攻击，防范的原理和之前介绍的一样。
红外活体
在有些应用场景，比如ATM机上，我们可以安装红外摄像头，利用红外图片，我们可以实现更好的防攻效果。不管是可见光还是红外光，其本本质都是电磁波。最终看到的图像长什么样，与材质表面的反射特性有关。真实的人脸和纸片、屏幕、立体面具等攻击媒介的反射特性都是不同的，所以成像也不同，而这种差异在红外波反射方面会更加明显，比如说，一块屏幕在红外成像的画面里，就只有白花花的一片，连人脸都没了，攻击完全不可能得逞。
pytorch 介绍
PyTorch 是一个 Torch7 团队开源的 Python 优先的深度学习框架，提供两个高级功能：
- 强大的 GPU 加速 Tensor 计算（类似 numpy）
- 构建基于 tape 的自动升级系统上的深度神经网络。
通常使用 PyTorch 是将其作为：
- 作为 numpy 的替代品，以使用强大的 GPU 能力；
- 一个深度学习研究平台，提供最大的灵活性和速度。
PyTorch中所有的神经网络都来自于autograd包，autograd 包提供Tensor所有操作的自动求导方法。autograd.Variable 这是这个包中最核心的类。 它包装了一个Tensor，并且几乎支持所有的定义在其上的操作。一旦完成了你的运算，你可以调用 .backward()来自动计算出所有的梯度。
使用 torch.nn 包可以进行神经网络的构建。而nn建立在autograd的基础上来进行模型的定义和微分。nn.Module中包含着神经网络的层，同时forward(input)方法能够将output进行返回。
api
model = FeatherNetB()实践
pytorch 安装
tar xvf pytorch_install.tar
cd pytorch_install
./install.sh模型介绍
本次实践的模型是用来检测深度图，只适合能获取深度的摄像头。 深度图：包含与视点场景对象表面距离有关信息的图像通道，通道本身类似于灰度图像，每个像素值是传感器测出距离物体的实际距离
RGB-D相机主要两种实现方式
- 结构光法：Kinect v1，iPhone X
- 飞行时间法(TOF)：Kinect v2，Phab 2 Pro
参考
https://zhuanlan.zhihu.com/p/25401788
https://new.qq.com/omn/20200716/20200716A0U5QN00.html
https://zhuanlan.zhihu.com/p/44904820
https://blog.csdn.net/ffcjjhv/article/details/84260060
https://blog.csdn.net/u013841196/article/details/81176498
https://blog.csdn.net/SIGAI_CSDN/article/details/82772813
https://zhuanlan.zhihu.com/p/43480539
https://github.com/zj19941113/FaceLivenessDetection_SVM
https://blog.csdn.net/qunniem/article/details/116269345
https://zhuanlan.zhihu.com/p/344043024
https://blog.csdn.net/donkey_1993/article/details/80781773
https://www.w3cschool.cn/pytorch/pytorch-z7mj3buo.html
https://zhuanlan.zhihu.com/p/25572330
https://github.com/tonylins/pytorch-mobilenet-v2/blob/master/MobileNetV2.py
https://github.com/moskomule/senet.pytorch
https://github.com/SoftwareGift/FeatherNets_Face-Anti-spoofing-Attack-Detection-Challenge-CVPR2019
https://github.com/SoftwareGift/FeatherNets_Face-Anti-spoofing-Attack-Detection-Challenge-CVPR2019/issues/40
https://github.com/SoftwareGift/FeatherNets_Face-Anti-spoofing-Attack-Detection-Challenge-CVPR2019/issues/65
https://bbs.huaweicloud.com/blogs/156812
https://www.gitmemory.com/issue/SoftwareGift/FeatherNets_Face-Anti-spoofing-Attack-Detection-Challenge-CVPR2019/73/560012153
https://zhuanlan.zhihu.com/p/95700549
https://github.com/tonylins/pytorch-mobilenet-v2
https://github.com/moskomule/senet.pytorch
https://github.com/shamangary/SSR-Net
https://zhuanlan.zhihu.com/p/27401516
https://www.cnblogs.com/wangguchangqing/p/11058525.html