4、RGB静默活体检测原理：基于纹理分析、颜色空间与频域分析
各位同学，欢迎来到第四章。前面我们聊了活体检测的整体框架和攻击类型，今天要深入技术内核了。
RGB静默活体检测，说白了就是只用普通摄像头拍一张照片，不依赖红外、结构光这些额外硬件，来判断面前的是真人还是假体。听起来很神奇对吧？其实核心就三招：看纹理、看颜色、看频率。我一个个拆开讲。
4.1 基于纹理分析：LBP与LPQ
先说说纹理分析。你想想看，真人的皮肤和打印纸、屏幕的纹理能一样吗？当然不一样。真人皮肤有毛孔、有细微的凹凸，而打印纸有网点，屏幕有像素栅格。纹理分析就是抓住这些差异。
4.1.1 LBP（局部二值模式）
LBP是我个人非常喜欢的一个特征。它简单、高效，而且对光照变化有一定鲁棒性。原理其实不复杂：
- 把图像分成一个个小窗口（比如3×3像素）
- 拿中心像素的灰度值跟周围8个邻居比
- 邻居比中心大就记1，小就记0
- 把这8个二进制数拼起来，就是一个LBP值
举个例子：
原始灰度值（3×3窗口）：
[120, 130, 125]
[110, 100, 105]
[ 95, 90, 98]
中心像素 = 100
比较结果（大于100为1，否则为0）：
[1, 1, 1]
[1, 0, 1]
[0, 0, 0]
二进制序列（顺时针）：11101000 → 十进制232
整张图算完所有LBP值后，我们统计直方图，这就是纹理特征向量。
4.1.2 LPQ（局部相位量化）
LPQ是LBP的升级版。它不是在空间域直接比灰度，而是先做短时傅里叶变换，提取相位信息。为什么要这么做？
我遇到过这种情况：一张照片被模糊处理过，LBP的纹理细节全没了，但LPQ还能扛住。因为相位信息对模糊不敏感。
LPQ的核心步骤：
- 对每个像素的邻域做4×4的短时傅里叶变换
- 提取4个频率点的相位值
- 量化成0/1，拼成二进制码
- 统计直方图作为特征
| 维度 | LBP | LPQ |
|---|---|---|
| 计算速度 | 快（纯比较运算） | 慢（需FFT） |
| 抗模糊 | 弱 | 强 |
| 抗光照 | 中等 | 较好 |
| 特征维度 | 59维（均匀模式） | 256维 |
| 适用攻击 | 打印、纸张 | 屏幕翻拍、模糊攻击 |
4.2 基于颜色空间分析：HSV与YCbCr
纹理分析看的是结构，颜色分析看的是光谱。真人皮肤和假体在颜色分布上有什么不同？我告诉你，差别大了去了。
打印纸有油墨吸收光谱，屏幕有RGB像素发光，这些都会改变颜色分布。但直接在RGB空间做效果不好，因为RGB三个通道相关性太强。我们需要换到更合适的颜色空间。
4.2.1 HSV空间
HSV把颜色拆成色调（H）、饱和度（S）、明度（V）。我习惯用S和V通道做分析：
- S通道（饱和度）：真人皮肤的饱和度分布比较集中，而打印纸因为油墨扩散，饱和度会偏低且分散
- V通道（明度）：屏幕翻拍会有明显的像素栅格，导致明度分布出现周期性波动
具体做法：把RGB转成HSV，然后提取S和V通道的统计特征（均值、方差、偏度、峰度），或者直接算直方图距离。
4.2.2 YCbCr空间
YCbCr是视频编码常用的颜色空间。Y是亮度，Cb和Cr是色度。这个空间有个好处：亮度和色度分开了。
我在项目中遇到过一种攻击：攻击者用高精度打印机在相纸上打印人脸，RGB空间看几乎一模一样。但转到YCbCr后，Cb和Cr通道的纹理出现了明显的块状伪影——那是打印机的半色调网点造成的。
4.3 基于频域分析：傅里叶变换
前面说的纹理和颜色都是在空间域看问题。频域分析换个角度——把图像看成不同频率信号的叠加。
真人脸是自然图像，能量主要集中在低频（平滑区域）。而打印纸有周期性网点，屏幕有像素栅格，这些都会在频域产生高频分量。傅里叶变换就是把这些频率成分拆开来看。
4.3.1 二维离散傅里叶变换
公式我就不写了，大家记住核心思想：
- 低频在频谱中心，高频在四周
- 真人脸的频谱：能量集中在中心，向外衰减平滑
- 打印攻击的频谱：会出现十字亮线（网点周期）
- 屏幕翻拍的频谱：会出现规则的点阵（像素栅格）
我常用的做法：
1. 对灰度图做FFT，得到频谱图
2. 取对数压缩动态范围（方便观察）
3. 提取环形特征：从中心向外画同心圆，统计每个圆环内的能量
4. 提取角度特征：从中心向外画扇形，统计每个扇区内的能量
5. 把环形+角度特征拼成向量，送入分类器
4.3.2 频域特征的实战技巧
说实话，纯频域特征现在用得少了，因为计算量大且对图像尺寸敏感。但我有个折中方案：
- 不整图做FFT，而是对人脸关键区域（比如额头、脸颊）做局部FFT
- 或者用DCT（离散余弦变换）代替FFT，计算更快
- 频域特征跟纹理特征做融合，效果1+1>2
| 方法 | 检测原理 | 优势 | 劣势 |
|---|---|---|---|
| 纹理分析（LBP/LPQ） | 局部微结构差异 | 计算快，对打印攻击敏感 | 对模糊和光照敏感 |
| 颜色空间（HSV/YCbCr） | 光谱反射差异 | 对屏幕翻拍敏感 | 受环境光影响大 |
| 频域分析（FFT） | 周期性伪影检测 | 对规则纹理敏感 | 计算量大，对尺寸敏感 |
4.4 知识体系总览
下面这张图把本章的核心逻辑串起来了。我建议你多看几遍，理解三种方法是怎么互补的。
4.5 实战建议
讲完原理，我给大家几条实战建议：
- 别只用一种方法：单一方法容易被针对性攻击绕过。我见过一个案例，攻击者用磨砂膜贴在屏幕上，LBP和频域都失效了，但颜色空间特征还能扛住
- 特征融合要讲究：不是简单拼接就行。我习惯用串行融合（特征向量直接拼接）配合PCA降维，或者用并行融合（多个分类器投票）
- 注意实时性：LBP+HSV组合在嵌入式设备上能跑到30fps，但加上FFT就掉到15fps了。根据你的硬件选方案
- 数据增强很重要：训练时多模拟不同光照、不同角度、不同攻击介质，模型才能泛化