人臉活體檢測技術在企業中的應用研究

[摘要]人工智能、物聯網等科學技術推動了城市發展和人類進步。人臉活體檢測作為先進技術，在許多領域有著廣泛的應用。基于人臉活體檢測的優勢，分析該技術在應用中常用的方法及原理，重點探究人臉活體檢測技術在實際中的應用，將靜態人臉活體檢測與動態視頻監管相結合，更準確地落實日常考勤、身份核實、安全防護等相關工作。通過結合實際，指明人臉活體檢測在企業和社會中發揮的作用：在企業內部，人臉活體檢測技術保障企業安全，規范職員行為標準，提升業務水平，增加企業利潤；在社會層面，人臉活體檢測技術可增加就業機會，維護公共安全，改善人民的生活水平，釋放更多的勞動力，為社會發展作出更多貢獻。最后在隱私保護、數據安全、數據共享、事后補救方面給出了建議。

[關鍵詞]人臉活體檢測;企業;應用

一、 引言

新一輪科技革命方興未艾，新興技術遍布社會生活的方方面面。人臉信息有著真實、高效、直觀的優點，在當今數據化時代，生物信息是各個領域著重發掘與應用的戰略資源。人臉識別技術在采集面部特征的基礎上，分析、比對、識別和驗證目標人員的身份。隨著人臉識別技術的廣泛應用，常有冒名頂替者盜用用戶面部信息進行利益騙取和金錢勒索。因此，人臉活體檢測逐漸走向公眾視野，在應用中起到至關重要的作用。人臉活體檢測技術的主要功能是檢測人臉是否真正來自具有生命特征的合法用戶，進而更準確地輔助人證檢驗、身份核實、安全防護等相關工作。人臉活體檢測技術作為高效率、高精度的生物特征識別技術，正朝著自動化、無人監督化的方向發展。近年來，由于新冠疫情的暴發，很多企業受到嚴重影響，具體表現為營業收入困難、客戶流量下降、運營成本增大、交易市場萎縮等。人臉活體檢測技術的應用不僅可以積極幫助企業復工，保障生命安全，維持企業穩定收入，保證企業正常運營，而且有利于企業響應國家政策，配合政府工作，更有助于增加就業機會。人臉活體檢測技術在人類發展與前進途中具有巨大潛力和重大價值。

二、 人臉活體檢測技術的優勢

在當前數字化時代，大數據技術、云計算、云儲存助力了人臉活體檢測技術的發展。人臉活體檢測技術具有高精確度、高準確率的特點，同時可以實現不同場景和24小時任意時間段的應用，有助于企業大力推進新技術的應用，把先進的技術融入資源、管理、安防等方方面面。

1. 安全高效

早期傳統的身份識別方式為鑰匙、鎖、字跡，步入現代社會后身份鑒別工具有密碼、IC卡。隨著物聯網的普及與發展，攻擊者輕易便可破解傳統的身份識別方式，安全性大大降低。新的智能識別方法即生物識別技術得到了開發及應用，例如根據指紋、聲音、人臉等生物固有的生理特征進行識別。對比其他生物特征信息，人臉信息具有自然性、非強制性、非接觸性等優勢。以指紋識別為例，接觸設備時，手指的清潔度和指紋的質量就使得指紋識別的次數和時間存在不確定性。指紋識別完成后，留下的指紋痕跡容易被攻擊者竊取及利用。面部檢測時不用接觸檢測裝備，在不被察覺的情況下即可進行。面部檢測的有效距離為7米[1]，檢測儀器可以在環境光不穩定時創造較好的光電環境，通過多角度對人臉進行采集。人臉活體檢測技術搜集到人臉，若人臉存在偏差，設備經過精準且快速的運算，采集或識別正面人臉，幾乎在短短幾秒內就可以無差錯地完成人臉識別且沒有留下任何痕跡。人臉活體檢測技術可以滿足高要求的用戶體驗，快捷、高效且安全系數更高。

2. 簡單便捷

對于特殊用戶而言，尤其是老人、孩童、殘疾人等用戶，指紋、字跡等需要用戶刻意學習操作，學習過程經常使特殊人群難以理解。IC卡一類需要隨身攜帶，當IC卡丟失時通常會耽誤原有的計劃，延誤時間。基于RGB攝像頭的交互式人臉活體檢測，用戶只需要完成相應簡單動作即可，如眨眼、轉頭、張嘴，甚至基于靜默式人臉活體檢測只需正對鏡頭，在幾秒毫無意識的情況下就可以完成檢測。近年來受疫情的影響，口罩成了重要場所及人員聚集地必需的防護用品。原先需要整張臉框入屏幕，而現在戴著口罩對準鏡頭一樣能快速檢測成功。研究者通過算法先訓練一個戴口罩的人臉模型，調節權重分配，將人臉未遮擋部分的比重增大，使得檢測時能夠定位到戴口罩的人臉中，用注意力掩模處理后提取未被遮擋部分的人臉信息，與模板庫進行對比得出驗證結果。這樣，在疫情防控期間，無需摘下口罩也能識別成功。在應用過程中，個體的基本信息及個人隱私可通過數據的直觀性清晰表達，相較傳統方式更好地維護了用戶的心理及隱私，最大限度保護用戶信息。

3. 實時監督

在企業中存在許多特殊場景，譬如銀行業務中用到的金庫、押鈔車、自助提款機等，也存在許多特殊物品，譬如化工廠中昂貴的機械設備和易燃易爆易腐蝕的化學物品。在傳統方法中，當發生意外需要追溯事物原始狀態時，操作人員需對錄像進行回放，用肉眼對回放中的人物特征觀察、記憶及推理以找到嫌疑人。傳統方法由于對時間的需求較大，會錯失逮捕的最佳時間，并且為了盡可能地避免推測錯誤，減少耗費不必要的人力和財力。活體檢測技術可實時定位、監督、跟蹤，運用數字化手段在影像中對個體行為及動向做實時分析，從而在動態的數據分析過程中實現信息的實時預警[2]。視頻中的人物特征、具體行為等皆可作為證據交予公安機關。

三、 人臉活體檢測在企業中的應用

1. 人臉活體檢測工作的關鍵流程

人臉活體檢測主要檢測人臉是否為活體人臉，是否滿足特定場景所需要的真實條件。目前，如表1的總結，攻擊者通常使用的欺詐方式[3]共分為3種。

第一種為照片攻擊，該方式最為普遍且成本最低。人臉照片可在社交軟件隨意保存；在海量的網頁鏈接中大批量下載；在戶外經過無感應攝像頭時輕易獲取，甚至通過翻拍就可獲取。攻擊者根據需求打印相關人臉圖像，經過扭曲、對折等欺騙人臉檢測系統，或將照片中眼部區域剪去，對著檢測設備人為配合眼部檢測。當前的人臉活體檢測技術經過不斷改進與創新，照片攻擊已然沒有過多的攻擊和威脅了。

第二種為視頻攻擊，具有一定的攻擊性。攻擊者將系統所需配合的隨機動作提前錄制，通過二次回放欺騙身份系統，更有甚者運用人工智能智能換臉進行犯罪活動，榨取金錢和利益。視頻攻擊中的人臉與真實人臉更為接近，面部微動作及微表情更能夠欺騙人臉系統。視頻攻擊的獲取方式通過電子設備并不困難，相對于照片略微復雜而已。

第三種為3D面具攻擊。相對于照片和視頻的二維平面，面具攻擊是立體的三維結構。3D面具攻擊在3種攻擊方式中最具有侵略性，成本最高，獲取途徑最復雜。

近年來，攻擊者不斷尋找機會對人臉活體檢測技術進行挑釁，新的攻擊方式層出不窮。因此，人臉活體檢測的方法也相應增加，分類的依據也相當多樣，但是無論運用何種人臉活體檢測方式，都具備4個關鍵流程：圖像采集、圖像預處理、特征提取、分類與匹配。

（1）圖像采集

面部采集是人臉活體檢測的基礎工作。活體檢測技術可以對具有生物特征及運動特征的人臉進行捕捉，進而形成人臉數據資源庫。相關人員基于面部信息的錄入完善面部信息資源庫及人力資源信息管理系統，從而實現門禁的準確率和安全性。企業內人多且雜，當用戶出現在采集設備拍攝范圍內，采集設備會自動搜索并采集人臉圖像，包括各種角度、位置、表情等。

（2）圖像預處理

在采集的過程中，圖像極容易受到外界因素的影響，如環境、角度、距離等因素。當圖像中不慎引入噪聲，輕度噪聲不會干擾圖像的可觀性；重度噪聲，會使圖像呈現較多無用信息，通過圖像濾波和卷積技術即可完成過濾。例如小波去噪，對圖像進行小波分解后量化高頻系數閾值，接著利用二維小波重新構造圖像信號，這一方法相對較好地保持了圖像細節。當圖像采集的人臉有一定的變形時，將圖像縮放、翻轉、仿射等幾何變換以最大程度地消除變形。當圖像尺寸大小不一時，對人臉圖像進行定位，并且分5個尺寸進行裁剪，最后歸一化為64×64像素的圖像[4]。

（3）特征提取

特征提取在卷積神經網絡中一般運用卷積核完成。計算機把輸入圖像轉化為矩陣，卷積核設定為3×3或5×5大小矩陣，卷積核以一定步長在原始圖像移動并做運算，輸出得到一個新的矩陣，該過程稱為卷積神經網絡對圖像的特征提取。特匹配模板法也是特征提取方法中的一種。當不便提取全部特征時，對五官進行比較，將圖像與模板進行匹配[5]，由部分特征可刻畫出全部特征以完成比較有難度的臉部特征提取，這是一種相對基礎的方法。特征提取的方法隨著計算機技術的發展越來越豐富，相關企業可根據應用的實際情況選擇一種或多種進行融合或對單一的一種改進創新。

（4）分類與匹配

人臉活體檢測的分類不僅是進行真假人臉的二分類，有研究學者表明多分類較二分類效果更好。因為人臉的攻擊方式不斷革新，圖像信息的丟失程度和樣本表現出的特征都各不相同，模型不易抽象和學習共同攻擊特征。因此黃新宇等[6]認為采用多分類的方式，模型可以更好地學習不同攻擊方式各自內部的共同特征，同時經過細分后數據集中的樣本數目更加均衡，利于參數調整。在活體檢測的同時，將人臉信息與數據庫中人臉圖像進行識別與匹配。通過該技術，企業對各個人員的個人基本信息及身份信息有充足的掌握，且活體人臉比攻擊人臉判斷準確率更高。

2. 人臉活體檢測工作的方法

人臉活體檢測發展已有一段歷史，早期基于傳統機器學習的檢測方法發展到后來的基于深度學習的檢測方法，再到新范式學習方法和面向未知類型攻擊的檢測方法[7]。早期，根據活體和假體之間的差異設計特征，提取特征后送入分類器中進行真假人臉分類。后期，通過神經網絡自動提取特征，利用訓練好的模型直接進行真假人臉分類。人臉活體檢測技術在企業中的應用目前還在積極探索階段，本文根據實際應用需要對六種活體檢測方法簡要闡述。

（1）交互式人臉活體檢測

交互式人臉活體檢測的關鍵部分在于動作指令的識別，系統通過判斷用戶是否完成隨機指定動作從而判別該人臉是否為真實人臉[8]。真實人臉具有的運動特征，虛假人臉很難模仿。常用的動作指令為眨眼、轉頭、張嘴等，如圖1所示。人臉檢測與眼部定位、截取之后，系統會自動根據眼部的開合狀態判斷是否為真實人臉；常見的混合方法為朗讀一句話或一個數字串，系統根據唇部的變化和聲音識別共同判斷是否完成朗讀任務。交互式人臉活體檢測準確率高，通用性強。

（2）基于生命信息的人臉活體檢測

活體人臉和攻擊人臉的生命特征、生理信息存在明顯差異。3D人臉面具與真實人臉相似程度較高，深度和紋理特征判斷存在困難，基于生命信息的人臉活體檢測便顯得尤為重要。由于眼睛、嘴巴在主體無意識情況下會不自覺地閉與合，攻擊人臉無法高精度模擬，人臉是否具備運動及生命特征便成了關鍵性線索。研究者利用條件隨機場來確定是否存在睜眼閉眼的行為動作，利用運動成分分解[9]的辦法判斷是否可以從輸入的圖像中分解出眼部、唇部、面部肌肉動作等，對基于生命信息的人臉活體檢測進行探究。由于對檢測精度和魯棒性的考慮，可將基于生命信息的方法與深度學習的方法進行融合。在生物學中，真實主體與非真實主體最本質的區別在于是否存在心跳、呼吸、血液流動。遠程光學體積描記術利用反射光穿過層到達血管，通過反射的周圍光判斷血液流動導致的皮膚細微的亮度變化[10]。

（3）基于圖像紋理的人臉活體檢測

圖像采集過程中，攻擊人臉難免會存在色彩信息的失真。由于真假人臉在色彩信息上存在差異，在常見的色彩空間中選用HSV或YCbCr，接著將色彩信息及亮度分離后進行LBP特征提取，最后進行分類。光在平面與三維立體結構上所反射的高光及陰影不同，在照片、視頻中的攻擊人臉與真實人臉頻域中高頻分量、空間信息、皮膚粗糙度等存在差異，圖像的紋理特征差異在二維平面的欺騙中發揮重要作用。紋理特征一般具有旋轉不變性、良好的抗噪性能[11]，例如LBP特征（圖2）、HOG特征、DOG特征等。紋理的方法普遍易于理解、計算和實現，但是容易受到外界條件影響。

（4）基于專用采集設備的人臉活體檢測

在一些重要場景中，人們會運用除了普通RGB攝像頭外其他硬件設備進行人臉活體檢測。雖然這一類硬件設備成本普遍較高，但精確度和準確度會比普通設備高。以基于近紅外攝像頭的人臉活體檢測為例，由于受到環境光線變化的影響，圖像的清晰度和亮度等易出現偏差，圖像的表觀變化明顯。為解決光線帶來的干擾，選擇強度高于環境光的主動光源可避免強光的近紅外波段對人眼的傷害。在可見光和近紅外光譜下，真實人臉和假體人臉的反射特征存在截然不同的差異，故攻擊人臉無法得逞。

（5）基于深度學習的人臉活體檢測

深度學習利用神經網絡對人臉自動提取特征代替傳統手工提取，效果更好；深度學習提取高層語義特征，分類準確率更高；深度學習的神經網絡層數多、寬度廣，能高效解決困難且具有深度的問題；數據量的豐富程度可以直接關系到深度學習能力和表現力的強弱。深度學習可混合兩種或多種特征及差異，提高人臉活體檢測性能。

（6）基于多種特征融合的人臉活體檢測

人臉攻擊者不斷地革新攻擊方式，單一的方式相對于多種融合方式確有不足。單一的方法既有優勢也有劣勢，譬如手動與自動，淺層語義和高層語義，靜態與動態，全局特征和局部特征等，結合兩種或多種互補的方式檢測準確性更高，魯棒性更強，在時間充裕的情況下是更高效的一種選擇。

3. 人臉活體檢測應用場景

人臉活體檢測不僅在不同領域有大量的分布，在固定領域的不同方面應用不同原理及方法也有廣泛的用途。人臉活體檢測在企業中的應用過程中，通過個人信息和身份信息的采集、處理、多個子系統的連接使得企業在身份確認、公共安全、遵紀守法等層面上得到充分應用。面部識別的真實性、安全性得到保證的同時，視頻監控在行為檢測中為生命健康與物質財富做保障。

（1）企業實習

根據學校要求，相關專業的學生需集中到企業內實習。課堂為學生知識主要來源，人臉簽到既可以防止學生代簽到，違反相關規定，也利于教師對本節課做考勤統計及學生課堂表現匯總。教師建立標簽、配置采集終端設備號[12]、設置簽到人員及時間范圍、發起簽到，學生在移動采集終端進行簽到，超過簽到時間或由于網絡問題簽到失敗的學生可使用字跡等原始方式再次簽到。學生采用個人終端設備通過一些細微表情特征或隨機動作判定，代替傳統肉眼識別工作，時間和效率上都得到了提升（圖2）。教師利用節省下的時間可以在課堂上做更多安排。由于人工智能的發展，企業需要新型人才對數字化技術進行使用、維護、管理。企業對學生嚴格的培訓和學校的信任相輔相成、互為依托。新技術在企業中的應用為國家人才的成長打下了堅實的基礎，進而也增加了后期就業的質量。

（2）崗位面試

由于疫情的影響，很多企業無法進行原始的線下工作面試。因此，企業憑借科技優勢進行線上面試。求職者在個人終端設備首先需要進行身份證號登錄，獲得資格進入面試頁面后必須開啟前后攝像頭，進行人臉活體檢測，判斷是否為真實人臉且與簡歷及身份證件的人臉是否一致。值得注意的是，面試期間不得一直低頭或將攝像頭長期偏離整體面部水平，面試期間攝像頭若長時間捕捉人臉失敗或人臉檢測匹配失敗則判定面試結束。在移動端的線上面試使得求職者避免了不必要的舟車勞頓，更自由地分配時間和精力。在疫情防控期間，線上面試的普及使得企業崗位并未受到影響處于空閑狀態，從而保證了企業的正常運行，職員的壓力不至于太大，畢業生不至于由于特殊原因無法參加工作。

（3）身份核驗

企業的進出需要實名核驗，大多采用硬件設備輔助實現人臉活體檢測。目前，光電一體化的雙目人臉活體檢測應用廣泛。單目攝像頭在人臉識別中應用較多，為可見光攝像頭，功能以識別人臉為主要目的，只能基于交互式的方法進行人臉活體檢測。雙目攝像頭在單目攝像頭的基礎上增加了一個紅外光攝像頭，可精確定位面部關鍵點，計算出面部各種空間信息，如瞳孔之間的距離、鼻子的高度等。雙目攝像頭更適用于人臉活體檢測，且不需要隨機動作的配合，在單目攝像頭識別人臉的基礎上識別真實人臉與攻擊人臉。自疫情以來，大多公共場所要求人員之間間隔一米，企業也不例外，相對于其他生物特征而言，人臉的應用更適合間隔測溫且人員可在短短幾秒完成檢測并自由快速通過閘機，用戶體驗感較好，也可以避免病毒的交叉感染。雙目攝像頭、測溫模塊身份證讀卡區、健康碼讀卡區、8英寸高清屏相結合，嚴謹高效且一舉多得。系統對接國家公安等多個數據庫，為企業提供可信可靠的疫情防控大數據服務。疫情防控自助式一體化服務節省了人力物力，企業也減少了不必要的支出。人臉活體檢測技術在企業復工時發揮著重要的作用，在響應國家疫情防控政策的同時使得人民的生活水平有了基本的保障，恢復了就業，增加了財政收入，有利于維持企業的運作和員工薪水的正常發放。

（4）安全管理

化工廠是企業中較為特殊的場景，化工廠內存在重大危險源，稍加不小心便使得廠附近區域也遭到意外損失。工廠管理人員需要知曉各類人員的具體職務、行為及精確位置，每個樓層中每個區域人員分布狀況，相關設施運行狀況、安全狀況等。一方面，工廠應用視頻影像保護作業人員，作業人員由于私人原因未穿戴企業規定的防護服裝[13]，視頻監控會自動檢測其不安全行為；另一方面，利用視頻監控對作業人員進行監督管理，普通車間應用視頻掌握作業人員狀態、動態及工作的完成狀況；對防爆車間、罐區及重大危險區必須進行更周密的管理，實時監測進出人員及車間人數，若識別出面部遮擋或形跡可疑人員，系統可實時與身份數據庫對比，一旦存在異常，立刻采取行動并將危險人員面部照片提供至公安部門[14]。除特殊場景外，企業內也存在重要且機密的文件，不可有疏漏。企業應對每個員工的財產及生命安全負責，同時避免當財產及機密丟失后影響工作效率和內部團結。企業中難免存在攝像頭探測不到的地方，給了不法分子可乘之機，因此企業需要全方位無死角地管理與維護。新技術對行業內工作者、管理者等財產及生命安全負責，員工可以更好地各司其職。智能化的人臉活體檢測在視頻監控中應用可以給企業安全運作以保護，給企業安全管理以保障。

（5）保護環境

排放、傾倒或者處置有放射性的廢物、含傳染病病原體的廢物、有毒物質或者其他有害物質，不僅違背了倫理道德也挑戰了法律法規。根據我國《刑法》和《中華人民環境保護法》規定，違反國家規定、嚴重污染環境者應給予嚴重懲罰。企業基于人臉活體檢測可精確地跟蹤與定位，對相關人員活動軌跡進行全面記錄，并且可對多個人臉進行判斷及識別，通過紅外線探測[2]來對于污染環境行為進行檢測，一旦發生異常，系統立即報警。與此同時，人臉活體檢測技術也給了不良商家及企業以警示。活體檢測技術可用于規范行業內部的秩序，充分掌握各企業動態信息，使得監管部門能更加全面地了解情況，保障人民生命健康和保障國家安全。企業不能以污染環境及破壞生態為代價賺取暴利，否則會走上先發展后治理的老路，后期的發展會停滯不前并且企業的形象也被危害生命健康的行為破壞。人臉活體檢測技術在一定程度上幫助區域內降低了嚴重環境污染帶來的發病率，維護了人文景觀與美學財富。

四、 總結與建議

人臉活體檢測具有安全高效、簡單便捷、實時監督的優點，增強了人臉識別的質量和效果，近年來在企業中發揮著越來越重要的作用。本文在闡述人臉活體檢測優勢的基礎上，由方法到場景，將靜態人臉活體檢測與動態視頻監管相結合描述其在企業中高效、安全的應用。使用人臉活體檢測，降低了人員管理難度，保障了安全性，實現了科技助力社會的局面。

雖然人臉活體檢測在各個領域、各個方面具有巨大的優勢，但是該技術在一定程度上也伴隨著風險。新技術固然存在弊端，但是禁止新技術的應用和發展是不可行的。

隱私保護：與其他生物特征不同的是，人臉時時刻刻暴露在公眾視野下，不只是在識別和檢測時才可獲取，人臉信息不用近距離接觸甚至在信息主體毫不知情下即可獲取。由于技術的不斷發展，現今人臉信息都與身份信息緊密聯系。侵權者在獲得人臉信息的同時幾乎也獲得了信息主體的個人信息，運用技術手段不難探究出信息主體的消費水平及常辦理的業務，甚至與相關數據庫信息緊密結合還可獲得更深入的隱私信息。本文認為，信息主體有權利對信息采集、應用過程及范圍知情，并且有權規定人臉信息的銷毀期限[15]。企業可就同意保護隱私權的相關內容與信息主體簽訂書面協議，且有義務在書面協議之外強調可能存在的其他風險。

數據安全：人臉活體檢測信息的采集、存儲、傳輸等過程中應保證數據安全。企業可加密存儲及傳輸，嚴格限制訪問權限和未經批準的數據拷貝等。企業應加速技術研發，強化數據的治理與監管、維護與監測，嚴格控制使用場景。行業內可將數據的安全性作為考核標準之一，并對數據庫管理開展定期評估。除此之外，不允許企業為賺取私利私自將數據泄漏給其他機構或組織，否則給予嚴重懲罰甚至追究刑事責任。信息的采集、存儲、傳輸等過程中，數據的泄露很難歸于采集者、使用者、保存者中某一方，事后多相互推卸責任，或以技術為由減輕責罰。

數據共享：由于數據共享審核制度不完善，共享標準并未完全規范，共享對接不暢，存在安全風險，企業還需對數據共享工作進一步深化。在合理合法的情況下，企業可把信息與同樣有技術資質和保護數據能力的企業進行共享。數據共享雙方應增加共享積極性，提供高質量數據，及時優化并更新共享平臺，使得共享雙方的數據釋放全新的價值。企業間加強合作，相互促進發展，努力形成互利共贏的局面。

事后補救：公眾在享受人臉活體檢測帶來的便利及高效的同時，應當增強維權意識，切勿等到權利被侵害后才進行反思。人臉信息不像密碼便于更改，也不似傳統身份識別方法易于找到責任主體。由于新技術專業性較強，辦案人員面對技術的缺失和相關知識的匱乏無法高效完成任務，因此辦案人員須積極增強數字化辦案能力，必要時借助人工智能獲得輔助。政府內部可增加特定部門或成立專門的個人信息保護組織[16]，且定期聽取民眾反饋及建議，相互協助，在提高政府工作效率的同時，明晰工作目標以及增加工作動力。

參考文獻：

[1] 劉婧宇，曾利國.淺析人臉識別技術在博物館安防管理中的運用[J].中國民族博覽，2022（4）：196-198.

[2] 潘惠蘋.人臉活體檢測技術在校園智能安防的應用綜述[J].計算機時代，2021（9）：14-17.

[3] 楊成.基于卷積神經網絡的人臉活體檢測方法研究[D].武漢：華中農業大學，2020.

[4] 甘俊英，李山路，翟懿奎，等.基于3D卷積神經網絡的活體人臉檢測[J].信號處理，2017，33（11）：1515-1522.

[5] 鄭偉.人臉識別圖像特征提取方法及其應用[J].智庫時代，2017（16）：178-180.

[6] 黃新宇，游帆，張沛，等.基于多分類及特征融合的靜默活體檢測算法[J].浙江大學學報：工學版，2022，56（2）：263-270.

[7] 謝曉華，卞錦堂，賴劍煌.人臉活體檢測綜述[J].中國圖象圖形學報，2022，27（1）：63-87.

[8] 蔣方玲，劉鵬程，周祥東.人臉活體檢測綜述[J].自動化學報，2021，47（8）：1799?1821.

[9] Tirunagari S，Poh N，Windridge D，et al.Detection of Face Spoo?ng Using Visual Dynamics[J].IEEE Transactions on Information Forensics and Security，2015，10（4）：762?777。

[10] Poh M Z，McDu? D J，Picard R W.Advancements in Non-contact， Multiparameter Physiological Measurements Using a Webcam[J].IEEE Transactions on Biomedical Engineering，2011，58（1）：7?11.

[11] 李莉.基于Gabor小波和動態LBP的人臉活體檢測[J].電子世界，2020（1）：105-107.

[12] 楊宏偉，杜彬，劉淑梅，等.智慧校園背景下人臉識別平臺建設及應用[J].中國教育信息化，2021（11）：80-81.

[13] 魏燕華，陸夢，包葉群，等.人臉識別技術在港口危險化學品安全監管中的應用[J].中國水運，2022，22（6）：26-28.

[14] 王彥博，高潛，楊璇.大數據時代下智能人臉識別技術在商業銀行中的應用[J].銀行家，2016（2）：104-106.

[15] 顏文彩.人臉識別技術的應用風險及其法律規制[J].哈爾濱學院學報，2022，43（6）：67-71.

[16] 湯基敏，徐津津，潘楚蝶，等.人臉識別技術應用的現實困境與法律規制路徑[J].數字技術與應用，2022，40（5）：81-85.

作者簡介：吳怡啄（1999-），女，淮陰工學院化學工程學院碩士研究生，研究方向為數字圖像處理。

（收稿日期：2022-06-30? 責任編輯：殷 俊）