周末的时候看到一个好玩的项目就想着实际拿来使用一下，这个项目主要是做的是开源的跟人脸活体检测相关的内容，这里主要采用的是静默活体检测的方式。

人脸静默活体检测是一种用于验证人脸是真实、活体的技术，而不需要进行任何口头指令或特定动作。它可以防止使用照片、视频或面具等进行人脸欺骗攻击。

以下是一种常见的人脸静默活体检测方法的概述：

1. 红外照射：这种方法使用红外照射来观察人脸。真实活体人脸会因为血液循环而产生微弱的红外反射，而照片或面具等则没有这种反射。可以使用红外传感器来检测和区分这些反射。

2. 深度信息检测：这种方法利用三维深度摄像机或结构光相机等设备，获取人脸的深度信息。真实的人脸通常会在深度信息上表现出更多的细节和结构，而假体或者照片等通常会显示出较为平坦和单一的深度信息。

3. 血液循环检测：这种方法通过观察人脸表面的血液流动来判断其活体性。真实的人脸由于血液在皮肤上的流动而产生微弱的表面运动，而假体或照片等则无法产生这种运动。

4. 活体检测器：类似于前面提到的眨眼检测和嘴部动作检测等方法，基于深度学习的活体检测器也可以用于人脸静默活体检测。这些检测器通过学习真实和假人脸之间的差异来进行判断。

需要注意的是，单独使用一种检测方法可能并不能完全保证活体检测的准确性和安全性。因此，在实际应用中，常常会结合多个不同的静默活体检测技术，以提高判断的准确性。

借助于硬件等设备的形式成本较高且对于环境要求较高，这里很多项目大都是基于图像的形式来进行是否活体的判断。

活体检测技术主要是判别机器前出现的人脸是真实还是伪造的，其中借助其他媒介呈现的人脸都可以定义为虚假的人脸，包括打印的纸质照片、电子产品的显示屏幕、硅胶面具、立体的3D人像等。目前主流的活体解决方案分为配合式活体检测和非配合式活体检测（静默活体检测）。配合式活体检测需要用户根据提示完成指定的动作，然后再进行活体校验，静默活体则在用户无感的情况下直接进行活体校验。

因傅里叶频谱图一定程度上能够反应真假脸在频域的差异,因此我们采用了一种基于傅里叶频谱图辅助监督的静默活体检测方法, 模型架构由分类主分支和傅里叶频谱图辅助监督分支构成，整体架构如下图所示：

 官方的项目地址在这里，如下所示：

 感兴趣的话可以自行体验一下，这里开放出来的是开源的caffe模型，体验下来感觉速度是挺快的。

这里我对原始项目进行整合，开发了可视化系统界面，实例效果如下所示：

官方还开源的Android端可用的APK项目，地址在这里，如下所示：

 感兴趣的话可以把玩一下。