一、为什么人脸识别必须“验真”

人脸识别已被广泛用于手机解锁、门禁通行、金融开户、政务办理等高频场景。但如果攻击者仅凭一张照片、一段屏幕翻拍视频，甚至一张精细制作的面具就能骗过识别系统，那么“识别出是谁”便失去了意义。因此，完整的人脸识别链路通常由两个环节构成：先确认“这是一张真实、现场呈现在摄像头前的人脸”（活体检测），再确认“这张脸是谁”（身份比对）。活体检测在业内也常被称为人脸防伪或呈现攻击检测，是整个身份核验体系的第一道防线。

从攻防视角看，常见的伪造手段可归为四类：

• 二维平面攻击：纸质照片、打印照片、手机或平板屏幕显示的照片与视频；
• 翻拍重放攻击：用另一块屏幕播放预先录制的真人视频，绕过简单的动作配合；
• 三维立体攻击：硅胶面具、头模等高仿真道具；
• 注入与深伪攻击：通过虚拟摄像头注入合成画面，或利用深度伪造技术生成高度逼真的人脸视频。

这些伪造手段的“破绽”分布在不同的物理维度上——纹理、反射光谱、三维几何、时序微动等。活体检测技术的分类，本质上就是在回答一个问题：选择在哪个物理维度上捕捉破绽。

二、路线一：基于RGB单目图像的活体检测

2.1 技术原理

该路线只依赖普通单目摄像头采集的可见光（红、绿、蓝三通道）图像，通过算法挖掘“真人脸”与“假脸”之间的细微差异，主要判别线索包括：

• 纹理与摩尔纹：屏幕翻拍或打印照片会在皮肤区域引入规律性的摩尔纹、像素网格或印刷点阵，与真实皮肤的天然纹理明显不同；
• 反射特性：纸张与屏幕的镜面反射、高光分布，同真人皮肤的漫反射存在显著差异；
• 微形变与时序信息：真人在呼吸、眨眼、表情变化时，面部存在自然微动以及血流引起的细微颜色起伏，而平面假体不具备这些生命体征；
• 图像退化痕迹：翻拍过程会引入二次成像带来的清晰度损失、色彩偏移等可学习的特征。

2.2 算法演进

早期方案依赖手工设计特征（如局部纹理模式、频谱分析）加传统分类器；随着深度学习普及，主流做法转向端到端的卷积网络，直接从人脸区域学习真假判别特征，并进一步引入注意力机制与多帧时序建模来捕捉微动线索。示意性的推理流程如下（伪代码，仅用于说明思路，不代表任何真实系统的接口）：

def rgb_liveness_infer(frames):
    # 1. 人脸检测、关键点定位与对齐
    faces = [detect_and_align(f) for f in frames]
    # 2. 提取纹理、频域、反光等多线索特征
    feats = [extract_multi_cue_features(f) for f in faces]
    # 3. 深度模型输出真伪置信度
    score = liveness_classifier(feats)   # 0~1，越接近1越可能是真人
    return score

2.3 优势与局限

优势：对硬件几乎零额外要求，任何具备普通摄像头的设备都可部署，成本最低、最易大规模铺开，是移动互联网时代应用最广的方案，常见于手机端远程核身场景。

局限：单目可见光的信息维度有限，面对高质量屏幕翻拍与高清打印照片时判别难度上升；在逆光、暗光等极端光照条件下鲁棒性下降。因此这类方案通常需配合眨眼、张嘴、摇头等随机动作挑战来抬高攻击门槛，但也相应增加了用户配合成本。

三、路线二：基于红外双目的活体检测

3.1 技术原理

该路线在可见光摄像头之外额外增加一枚红外摄像头，通常并排构成双目模组。其核心依据是一个物理事实：活体皮肤对近红外光具有特定的反射特性，且人体自身会辐射红外能量。

关键在于成像差异：真人面部在红外图像中呈现自然的皮肤纹理与明暗层次；而屏幕显示的人脸在红外摄像头中往往只剩“一片白花花”，细节几乎全部丢失，纸质照片同样呈现与真脸迥异的均匀反光。这种源自物理层面的成像差异，很难通过提升伪造工艺来消除。

3.2 优势与局限

优势：可近乎天然地抵御照片与屏幕类攻击；红外光不受可见光光照变化影响，夜间、逆光环境下依然稳定，非常适合线下门禁、闸机、考勤等全天候运行的真实物理场景。

局限：一是对硅胶面具等立体假体的区分能力有限，部分高仿真材料在红外波段的反射特性可能接近皮肤；二是需要定制红外双目模组，硬件成本高于普通单目方案，一般用于专用设备而非普通手机；三是工程上必须做好红外与可见光双路图像的标定与配准，否则双目信息难以有效联合使用。

四、路线三：基于三维摄像的活体检测

4.1 技术原理

三维活体检测使用特殊的深度摄像头获取人脸的三维结构信息，常见实现包括结构光、飞行时间（ToF）与双目立体视觉。三者核心思想一致：不仅记录“脸长什么样”，还记录“脸上的每个点离摄像头有多远”。

照片与屏幕是绝对平整的二维媒介，其深度图近似一个平面；真人面部则有鼻梁、眼窝、颧骨等丰富的立体起伏。算法对深度数据做平面性分析、曲率分析，或直接用深度网络学习三维几何特征，即可轻易区分二维媒介与真实人脸。换言之，即使攻击者把照片的颜色、纹理做到与真人完全一致，只要它是一个平面，在深度维度上就会立刻“露馅”。

4.2 优势与局限

优势：三大路线中防御能力最强，可同时抵御平面攻击与多数立体道具攻击，是公认的支付级、金融级方案；且无需用户做配合动作，体验流畅无感。

局限：深度摄像头模组的硬件成本在三类方案中最高，体积与功耗也更大，主要内置于高端设备或部署在线下金融终端；此外，强阳光环境下部分深度方案的性能可能受红外干扰影响，需要针对性的光学设计。

五、三大路线横向对比与选型思路

维度	RGB单目	红外双目	三维深度摄像
硬件要求	普通摄像头	双目+红外模组	深度摄像头模组
硬件成本	最低	中等	最高
抗平面攻击	中，依赖算法	强（物理成像差异）	极强（几何级差异）
抗立体道具	弱	中	强
环境适应性	受光照影响大	昼夜稳定	多数场景稳定
用户体验	常需动作配合	静默或轻交互	静默无感
典型场景	远程App核身	门禁、闸机、考勤	支付、金融终端

选型可沿“威胁模型 + 部署形态”两条主线展开：

1. 先评估攻击面：纯线上远程场景中，攻击者无法在采集设备前摆放道具，RGB方案配合交互挑战通常够用；线下无人值守设备则直接暴露于物理世界，应优先考虑红外或三维方案。
2. 再核算成本预算：安全等级每提升一档，硬件成本随之上升。合理做法是按业务风险分级——低风险场景用RGB方案兜底，高风险场景叠加红外或三维硬件。
3. 优先考虑多模态融合：三条路线捕捉的破绽分布在颜色、光谱、几何三个近似正交的维度上，融合使用可大幅压缩攻击者的生存空间：

def fused_liveness_decision(rgb_score, ir_score, depth_score):
    # 单通道否决：任一通道明确判定为攻击则直接拦截
    if min(rgb_score, ir_score, depth_score) < BLOCK_THRESHOLD:
        return "REJECT"
    # 加权融合：综合置信度需同时达标
    fused = w1*rgb_score + w2*ir_score + w3*depth_score
    return "PASS" if fused >= PASS_THRESHOLD else "REVIEW"

（以上为示意伪代码，阈值与权重需结合业务实测的误报率与攻击率标定。）

六、工程落地的四个关键问题

1. 对抗攻击持续演化：深度伪造与虚拟摄像头注入正把攻防主战场从“镜头前”迁移到“数据链路上”。完善的方案不仅要判断“画面里是不是真人”，还要校验“画面是否来自可信的采集链路”，例如结合设备可信环境校验、帧级时序一致性检测等通用手段。
2. 数据与模型持续迭代：活体检测是典型的对抗性问题，攻击材料在升级，训练数据就必须覆盖新型攻击样本，并建立线上疑难样本回流、定期重训的闭环机制。
3. 安全与体验动态平衡：阈值越严，误拦率越高；越松，漏判风险越大。金融开户等场景宁可牺牲通过率也要压低误判，考勤打卡等高频低敏场景则应更侧重流畅体验。
4. 合规不可忽视：人脸属于敏感个人信息，采集、存储、传输必须遵循最小必要原则，明确告知并取得用户授权，数据流转需符合所在地区的数据保护法规。

在具体落地时，自研需要同时解决数据、算法、攻防对抗与合规等多重难题，因此多数团队会选择复用云上成熟能力。以百度智能云为代表的云服务商普遍将活体检测与人脸比对封装为人脸核身类的通用能力对外提供，业务侧按场景选择技术档位并对接服务，即可获得持续跟随攻防态势升级的防伪能力，这也是当前业界主流的工程实践路径之一。

七、结语

人脸活体检测的本质，是在颜色、光谱、几何等物理维度上寻找“真人与伪造媒介之间不可消除的差异”。RGB单目路线胜在零门槛、易铺开；红外双目路线以光谱差异构筑物理防线；三维深度路线用几何信息提供最强防御。没有“最好”的方案，只有与威胁模型、部署形态和成本预算最匹配的方案。随着深度伪造技术的持续演进，多模态融合、采集链路可信校验与常态化对抗迭代，将成为下一代活体检测体系的标配能力。