Software de detección de cuerpos vivos

1 Antecedentes sociales

Creo que todo el mundo está familiarizado con la autenticación facial, como el pago facial, la verificación de identidad, la autenticación financiera, etc. Sin embargo, la tecnología de reconocimiento facial se enfrenta a varios métodos de fraude, como fotografías, intercambios de rostros, máscaras, etc. Si se plagia maliciosamente, traerá grandes problemas y amenazas a individuos, grupos o sociedad.

La detección de vida es un método para determinar las verdaderas características fisiológicas de los objetos en ciertos escenarios de autenticación. La detección de vida utiliza antifalsificación de rostros, puntos clave de rostros, seguimiento de rostros y otras tecnologías, que pueden resistir eficazmente ataques comunes como tomar fotografías, cambiar rostros, enmascaramiento, oclusión, copia de pantalla, etc., y proteger los intereses de los usuarios.

Escenarios de uso comunes para la detección de vida:

2 fabricantes principales

Se entiende que Baidu Brain Liveness Recognition tiene la primera convolución completa de extremo a extremo de la industria. Detector de rostros de red neuronal, que puede detectar rostros en diferentes posturas e iluminación, tasa de reconocimiento facial de alta precisión 1: 1 y 1: n como mínimo, basado en tecnología de aprendizaje de medición de redes neuronales profundas, utilizando 2 millones 200 millones de personas. Los datos, entrenados en 1.000 grupos de GPU, pueden lograr un reconocimiento más preciso que las personas.

En 2015, Defiance lanzó la solución de autenticación de identidad online FaceID basada en tecnología de reconocimiento facial. Sus potentes soluciones empresariales financieras inteligentes han ayudado a casi 100 instituciones financieras como Alipay, CITIC Bank, China Merchants Bank, Bank of Beijing, Xiaohua Wallet y Paipaidai a lograr inteligencia financiera.

Yidaobushi es una empresa de inteligencia artificial que se centra en la investigación técnica y aplicaciones de automatización comercial en el campo de la visión por ordenador. Basándonos en la plataforma de aprendizaje profundo desarrollada de forma independiente, continuamos desarrollando tecnología líder de visión artificial, adaptando soluciones inteligentes para múltiples industrias e impulsando la industria para lograr avances en actualizaciones inteligentes. Se han construido productos maduros en el campo de la detección de cuerpos vivos.

3 Plan de evaluación

Este artículo evalúa la versatilidad de los escenarios de reconocimiento, la precisión del reconocimiento, la velocidad de respuesta del reconocimiento, los métodos de acceso al producto, la eficiencia de implementación e integración, la seguridad y el precio del producto, y evaluó el HMS. Core ML Kit, Megvii FaceID, Baidu Brain y productos Easy Access Biopsy. Actualmente, los métodos de llamada que puede admitir el servicio de pruebas in vivo incluyen la integración de SDK sin conexión, llamadas API en línea y acceso a servicios de software. Realizamos pruebas y comparaciones a través de los métodos de llamada proporcionados por el sitio web oficial.

Documentación oficial de Hmcore mlkit: Centro de documentación

/doc/development/hiai-Guides/liveness-detection-000001051386243

dbankcdn.cn/cc H5/. AIBussiness-ml kit/body/apk _ release _ body apk

La desviación de FaceID se puede probar directamente utilizando las funciones proporcionadas en FaceID. Sitio web oficial: 3359 faceid.com/document/faceid-guide-docs/product-introduction

Sitio web oficial de Baidu biometrics: Biometrics_Face Recognition Biometrics_Biometrics SDK-Baidu AI Open Platform

/tech/ face/faceliveness

Sitio web oficial para la prueba silenciosa in-vivo: gitbook de prueba silenciosa in-vivo

/doc/v3_liveness.html

Los resultados de la evaluación final serán formar un gráfico de radar. Los indicadores de evaluación son los siguientes, con una puntuación máxima de 10 puntos.

Hoja de puntuación de evaluación horizontal

3.1 Escenarios de reconocimiento

El autor analiza primero los escenarios de reconocimiento (universalidad y universalidad). Actualmente, las pruebas in vivo se pueden dividir en pruebas in vivo silenciosas y pruebas in vivo cooperativas.

A juzgar por una gran cantidad de datos recopilados, los resultados muestran que Face ID, Baidu, Yidao y el kit HMS Core ML de Huawei admiten la detección silenciosa in vivo y la detección colaborativa in vivo. Pero la diferencia es que en el escenario de detección y reconocimiento de vida, existen diferencias obvias entre varias acciones, lo que también es un indicador importante que determina la seguridad de la detección de vida.

FaceID admite acciones como asentir, parpadear, abrir la boca, sacudir la cabeza y leer. Y puede lograr un reconocimiento preciso en condiciones complejas como diferentes condiciones de iluminación, edad, maquillaje, accesorios, etc.

Actualmente Baidu admite acciones como inclinarse, levantar la cabeza y parpadear. Además, existen hasta 10 métodos de detección de cuerpos vivos fuera de línea, como parpadear y leer, que pueden resistir eficazmente comportamientos de trampa como fotos, videos y moldes 2D/3D.

Actualmente, Yidao Boyi admite cinco acciones: asentir, parpadear, mirar fijamente, abrir la boca y sacudir la cabeza, así como tres acciones aleatorias en la detección cooperativa de cuerpos vivos, combinadas con el reconocimiento de cuerpos vivos de un solo cuadro.

Por otro lado, HMS Core ML Kit admite seis acciones, que incluyen parpadear, abrir la boca, mover la cabeza hacia la izquierda, mover la cabeza hacia la derecha, mirar fijamente y asentir, y admite la selección aleatoria. tres acciones de las seis acciones verificar. Al mismo tiempo, puede identificar y guiar a los usuarios para completar la detección en diversas condiciones de iluminación, accesorios del usuario, edad, maquillaje, etc.

Hoja de puntuación de evaluación in situ (calificación personal, solo como referencia)

3.2 Velocidad de respuesta

Basado en el análisis del autor de la situación de la prueba, dos gráficos se producen para que todos se refieran.

En términos de tiempo de inicialización, el tiempo de inicialización de Megvii FaceID es de 2 segundos, el tiempo de inicialización de Yiduobu es de 1 segundo, el tiempo de respuesta de Baidu Brain es de 0,88 segundos, el tiempo de inicialización de HMS Core ML Kit es de 0,8 segundos, HMS Core ML Kit y Baidu Tiempo de respuesta cerebral rápido.

En términos de uso de memoria, el uso de memoria de Yidao Broadcom es de 343 MB, FaceID es de 185 MB, Baidu es de 157 MB y HMS Core ML Kit es de 140 MB, que es el más pequeño entre varios fabricantes.

Tabla de calificación de respuesta (calificación personal, solo como referencia)

3.3 Modo de acceso

La detección corporal FaceID también admite múltiples métodos de acceso. Además de SDK móvil, componentes H5, interfaces API, etc. También hay una interfaz API pura proporcionada por Raw para mini programas, que integra directamente las capacidades de verificación in vivo de la nube.

E implemente usted mismo la parte de la página de interacción del usuario del front-end.

El servicio de detección de vida del HMS Core ML Kit admite el modo fuera de línea (principalmente basado en la consideración de proteger los datos de privacidad del usuario final) y proporciona acceso al SDK. Los desarrolladores solo necesitan unas pocas líneas de código para integrarse.

La detección silenciosa de cuerpos de Yidaoboshi envía una solicitud POST a través de HTTP para enviar los datos de verificación al servidor de la nube pública, esperando que el servidor reconozca y devuelva el resultado del reconocimiento.

Tabla de puntuación del método de acceso (calificación personal, solo como referencia)

3.4 Eficiencia de integración

Actualmente, los principales fabricantes y equipos de desarrollo están enfatizando el desarrollo ágil. del desarrollo ágil es la encarnación de la eficiencia de la integración. A juzgar por las pruebas del propio autor, FaceID requiere autenticación de nivel empresarial, como una tarjeta de identificación corporativa y una licencia comercial. Baidu Brain y Yidao Boshi deben estar registrados antes de poder utilizar el servicio de detección en vivo, y el desarrollo requiere cierta depuración del código. En particular, la clave API generada después del registro de la cuenta no se puede utilizar directamente en el código. un valor simbólico. Después de registrar una cuenta de Huawei, HMS Core ML Kit no requiere operaciones de integración de clave API. En cambio, simplemente configura el archivo AGC y accede rápidamente al SDK oficial a través de unas pocas líneas de código.

Por lo tanto, el autor cree que si se compara HMS Core ML Kit con los otros tres productos, su eficiencia de integración y eficiencia de implementación será relativamente simple, lo que puede mejorar nuestra eficiencia de desarrollo.

Hoja de puntuación de eficiencia de integración (calificación personal, solo como referencia)

Prueba de seguridad 3.5

El autor realizó principalmente una evaluación de seguridad en el cuerpo vivo coordinado. seleccionado por el autor Se probaron algunos escenarios de ataque típicos y se compararon y analizaron los resultados de las pruebas de cada empresa.

La detección de vida cooperativa es susceptible a muchas interferencias y ataques, como fotografías impresas comunes, vídeos copiados, etc.

En cuanto al método cooperativo de detección de cuerpos vivos en esta sección, el autor utiliza 3 métodos para realizar la prueba.

1. Método de "remake de foto", realice pruebas de simulación (incluidas fotos y videos de sacudir la cabeza, parpadear, girar el teléfono y usar máscaras y otras obstrucciones).

2. Método de "remake de video", realice pruebas de simulación (incluidas fotos y videos de sacudir la cabeza, parpadear, girar el teléfono y usar máscaras y otras obstrucciones).

3. El método "la persona real no mueve ni gira el teléfono" se refiere a simular acciones humanas como asentir y sacudir la cabeza girando y agitando el teléfono.

El autor ha realizado más de diez pruebas en cada servicio. Los ataques de foto y video FaceID de Megvii tienen una alta tasa de interceptación. Debido a que tiene detección de núcleo facial, los ataques básicamente no pasarán y pueden ser identificados. Se hace correctamente, la seguridad es muy alta.

Los resultados de las pruebas de HMS Core ML Kit también son buenos y resisten con éxito todas las detecciones de ataques. En escenarios de ataque como papel y video, la interfaz mostrará objetos inanimados. Al cerrar los ojos o sacudir la cabeza hacia la izquierda y hacia la derecha, HMS Core ML Kit le pedirá al usuario que abra los ojos. Solo cuando los ojos del usuario estén abiertos y la postura sea correcta, se le pedirá que realice las acciones correspondientes, lo que garantiza mejor. seguridad.

Baidu Brain puede realizar detección in vivo de movimientos básicos y puede pasar la verificación de movimiento. Las pruebas han demostrado que colocar una fotografía impresa de un mono frente a una pantalla y agitar el papel hacia adelante y hacia atrás para simular una caída de la cabeza puede pasar la verificación. Por lo tanto, es necesario mejorar el reconocimiento de Baidu de algunas acciones especiales.

Yidaoboshi también puede realizar una detección básica de vida, pero la detección aún se puede romper a través de ciertos ángulos, como asentir y sacudir la cabeza. Cuando quieras completar la acción girando el teléfono sin moverte, Yidaoboshi te pedirá que no agites el teléfono. Pero después de agitar menos el teléfono o agitarlo verticalmente, se puede evitar la detección.

Además, el autor probó y descubrió que al parpadear, solo parpadear con un ojo (abrir un ojo y cerrar un ojo) puede pasar la prueba. Por lo tanto, según la prueba actual del autor, el método de detección aún debe mejorarse.

Hoja de puntuación completa de la prueba de seguridad (calificación personal, solo como referencia)

3.6 Precio del producto

La funcionalidad del producto de cada fabricante es diferente y el precio está incluido por el autor es Los precios son sólo de referencia y no representan los precios actuales.

(Los datos anteriores provienen de los sitios web oficiales de los principales fabricantes y la fecha estadística es mayo de 2023)

Tabla de calificación de precios de productos (calificación personal, solo como referencia)

4 Comparación exhaustiva

Resumen de puntuación:

Con base en los resultados del análisis de evaluación del párrafo anterior, se forma un gráfico de radar para una comparación exhaustiva.

A partir del gráfico radar elaborado por el autor podemos ver las diferencias entre cada producto. En general no hay mucha diferencia, pero pueden tener sus propias características en diferentes usos. Por ejemplo, Baidu y FaceID proporcionan muchos métodos de acceso y admiten muchos escenarios de reconocimiento, que son más adecuados para algunas tareas de desarrollo con requisitos amplios. Cuando utilice cuerpos vivos silenciosos, puede elegir Yidaoboshi, que es una buena opción en términos de precio e integración de desarrollo. Sin embargo, si desea elegir la detección de vida dinámica, FaceID puede desempeñar un papel más importante cuando existen condiciones de reconocimiento restrictivas (reconocimiento facial). En este momento, la aparición del kit HMS Core ML es bien merecida a través del SDK proporcionado por el fabricante. , puede La rápida integración en el negocio real, la velocidad de respuesta y la velocidad de integración son, sin duda, aspectos destacados únicos.

A partir de la evaluación exhaustiva del autor como desarrollador, HMS Core ML Kit es fácil de integrar, de respuesta rápida y altamente seguro, lo que lo hace muy adecuado para la mayoría de los desarrolladores.

Por supuesto, no solo ML Kit, sino también todo el HMS Core (un conjunto de aplicaciones y servicios proporcionados por Huawei para su ecosistema de dispositivos. Los desarrolladores solo necesitan integrar el HMS SDK para utilizar las múltiples capacidades abiertas de Huawei) Proporciona capacidades en muchos campos, como medios e imágenes. Si está interesado, puede obtener información sobre él y puede encontrar muchas cosas interesantes y útiles. Preguntas y respuestas relacionadas: