3. 活体检测技术分类：交互式 vs 非交互式，硬件 vs 软件

活体检测技术怎么分类？这个问题我当年刚入行时也困惑过。市面上方案五花八门，有的让你眨眼，有的让你对着镜头晃脑袋，还有的啥都不用做就能判断真假。其实说白了，就两个维度：交互方式和传感器类型。

我个人习惯把技术先按「交互」和「非交互」切一刀，再按「硬件」和「软件」切第二刀。这样一组合，所有方案都能对号入座。

3.1 交互式活体检测

交互式活体检测，说白了就是让用户「做动作」来证明自己是真人。你想想看，一张照片能眨眼吗？一段录制好的视频能按随机指令张嘴吗？很难。

我最早接触活体检测是在2016年，那时候金融APP刚兴起人脸登录。我记得当时主流方案就是交互式，因为算法能力有限，只能靠动作来增加攻击难度。

3.1.1 眨眼检测

这是最经典的交互方式。系统随机要求用户眨眼，算法检测眼睛的开合状态变化。

• 原理：通过人脸关键点定位眼睛区域，计算眼睛纵横比（EAR, Eye Aspect Ratio）。闭眼时EAR值骤降，睁眼时恢复。
• 攻击方式：打印照片、手机屏幕翻拍、提前录好的眨眼视频。
• 防攻击手段：随机间隔+多次眨眼验证，配合光线变化检测。

3.1.2 张嘴检测

张嘴检测和眨眼类似，但检测的是嘴巴区域。算法通过唇部关键点计算嘴巴纵横比（MAR, Mouth Aspect Ratio）。

• 优势：张嘴动作幅度大，容易检测，对低分辨率视频也友好。
• 劣势：用户配合度低，很多人觉得张嘴拍照很傻。
• 常见攻击：连续张嘴的GIF图、循环播放的短视频。

3.1.3 摇头/点头检测

这个方案要求用户左右摇头或上下点头。算法通过头部姿态估计来判断动作是否真实。

• 原理：使用PnP（Perspective-n-Point）算法从2D人脸关键点估计3D头部姿态，计算偏航角（yaw）和俯仰角（pitch）。
• 攻击难点：照片无法产生连续的角度变化，视频重放需要精确同步。
• 我的建议：摇头检测一定要结合「动作连续性校验」，不能只看首尾帧。我曾经见过攻击者用两张不同角度的照片快速切换，居然骗过了某些算法。

3.2 非交互式活体检测（静默活体）

静默活体，顾名思义就是用户啥也不用做，系统自动判断你是不是真人。你站在摄像头前，1秒钟内就出结果。体验确实好，但技术难度也上了一个台阶。

我参与过好几个静默活体项目，说实话，踩过的坑比交互式多得多。为什么？因为没有动作辅助，算法只能从单帧或短时视频中提取「活体特征」。

3.2.1 基于RGB图像的静默活体

这是最主流的方案，只用普通摄像头。算法从RGB图像中提取以下特征：

3.2.2 基于硬件的静默活体

硬件方案是「降维打击」。你想想看，RGB图像再怎么做，也防不住3D打印面具。但红外摄像头和3D结构光就不一样了。

• 红外活体：利用红外摄像头捕捉人脸的红外图像。真人皮肤对红外光的反射特性与照片、屏幕完全不同。攻击者即使用红外照片翻拍，也会因为材质差异被识别。
• 3D结构光：投射数万个红外光点，通过光点变形计算深度信息。照片是平面的，没有深度信息，直接就被过滤掉了。
• ToF（飞行时间）：通过测量红外光往返时间计算深度，精度不如结构光，但成本更低。

3.3 交互式 vs 非交互式：怎么选？

这个问题没有标准答案，完全看场景。我列个对比表，你一看就明白。

3.4 硬件 vs 软件：成本与安全的博弈

硬件方案和软件方案，说白了就是「花钱买安全」还是「用算法换成本」。

• 软件方案（RGB）：成本低，部署方便，任何带摄像头的设备都能用。但防攻击能力有限，尤其是面对高清屏幕翻拍和3D面具时，很容易翻车。
• 硬件方案（红外/3D）：成本高，需要专用传感器。但防攻击能力强，尤其是3D结构光，几乎能防住所有已知的2D攻击方式。

3.5 实际项目中的组合策略

在实际项目中，我很少只用单一方案。通常的做法是「多模态融合」：

1. 基础层：RGB静默活体做第一道过滤，拦截低端攻击（照片、手机翻拍）。
2. 增强层：红外或3D硬件做第二道验证，拦截高级攻击（高清屏幕、面具）。
3. 兜底层：交互式动作检测做最后一道防线，应对极端攻击（深度伪造视频）。

你想想看，三层防护下来，攻击者要同时绕过RGB算法、硬件传感器和随机动作检测，难度有多大？基本上可以防住99.9%的攻击。