自从深度学习及 CNN 神经网络在图像识别技术的广泛应用，再加上 Google 开源深度学习框架 TensorFlow后，人脸识别技术迅速发展，甚至已经超过人眼识别的能力。但是，随之而来出现了安全性问题，照片攻击、视频攻击等各种攻击手段层出不穷。
因此为了更安全的使用人脸识别技术，增加攻击者的破解难度，需要在前端加入安全措施。主要安全措施有：
本文主要借助开源Google Lens，从动作检测和连续性检测两个方面实现活体检测。
2017年5 月17日，Google I/O开发者大会发布Google Lens。它是基于图像识别和OCR技术的人工智能应用，能够让机器学会“看图说话”。在I/O大会放出的视频演示中，拥有Google Lens的智能手机，可以通过对视觉对象的扫描，识别和获得详细信息。
基于Google Lens 的框架Mobile Vision ，
按照实现流程分，主要有人脸检测，特征点提取，动作检测和连续性检测。
通过集成Mobile Vision，调用GMVFaceFeature 接口实现图片中的face detection
调用GMVFaceFeature 接口提取人脸的11个特征点，分别代表眼睛、耳朵、鼻子、脸颊和嘴巴等主要人脸五官
主要实现眨眼、微笑、张嘴、左转、右转、抬头、低头、左摆、右摆等9个动作。其中眨眼和微笑Google框架中已经判断，其它动作需要结合11个特征点通过实际场景计算来
通过实时抓取移动端的视频帧数，通过调用GMVFaceFeature 接口实现face detection
通过集成Google Lens的图像识别框架，实现了移动端活体检测。
性能非常好，能实时处理移动端摄像头 60FPS的帧率
集成后App小于10M，基本能满足App集成要求。
通过纹理检测，进一步提高人脸识别的安全性
是防止被攻击欺诈，提高安全性。
人脸活体检测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、塑料等非生命物质假座的生物特征。
一旦虚假人脸攻击成功，极有可能对用户造成重大损失。人脸活体检测技术可以有效阻挡PS换脸、视频、三维人脸模型、高清人像照片等各种不同类型的攻击。通过动作指令验证前端活体有效，再获取一张操作者本人照片，将这张照片传送至服务器端，由机器进行活体的后验，防止被攻击欺诈，提高安全性。
听起来是不是有些奇怪？人类可以仅通过视觉就完成生物和物体的辨别，然而机器需要通过学习才能进行这项检测。正如刷脸的你需要完成识别，打开手机摄像头后，机器会检测你是不是“活的你”。如果出现在镜头面前的是一张照片，或者是视频画面里的你，或者是用了你的脸模做的人皮面具，机器需要自己进行判断，并且确保“其他的你”不会通过他的识别。这就是活体检测的意义。
活体检测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。为了确保你是“活的你”，活体检测通常包含几个鉴别步骤，比如眨眼判别：对于可以要求用户配合的应用系统，要求用户眨眼一到两次，人脸识别系统会根据自动判别得到的眼睛的张合状态的变化情况来区分照片和人脸；或者嘴部张合判别：与眨眼判别类似，要求用户张开、闭合嘴巴一到两次，人脸识别系统据此区分照片与真实人脸。
中安的人证比对产品流程接入到的活体检测功能就满足以上所说，并有以下步骤：
如何将活体检测完美融合到人证比对的工作流程？
我们的优势所在：
1、 通过摄像头自动抓取画面中的优质人脸照片，进行人脸识别
2、人证识别系统可识别身份证、护照、驾驶证等含有头像的证件，获取头像信息
3、提供嵌入式机芯，便于自助设备的安装集成
4、证件具有自动分类、自动触发识别、人脸一键采集的功能，人证识别系统方便、快捷
如人像和证件上的头像为同一个人，即比对成功，即使人证合一
