脸活体验证是人脸识别过程中重要的一环，主要区分真实的人脸与假脸图像，能够识别通过纸张打印，屏幕翻拍，3D模型等场景的欺骗行为。我们在算法设计阶段，尝试了不同的方法，包括SVM，LBP，深度学习等，针对单一场景或者摄像头，能够获得不错的效果，但是没有得到一个能够兼容多种摄像头的活体算法，我们将我们训练的其中一个模型开放出来，逆光等情况下效果不是很好，可以作为参考。 依赖 基于mobilenet-0.5 OpenCV 3.4.3以上 MTCNN人脸检测 凯拉斯，TF Python3 运

身份认证技术有了很大的发展，随之不断出现的是各种伪造合法用户信息的欺诈手段。针对这一问题，提出一种基于深度学习人脸活体检测算法，分析了真实人脸和欺诈人脸之间的区别，将真实人脸和照片进行数据去中心化、zca白化去噪声、随机旋转等处理；同时，利用卷积神经网络对照片的面部特征进行提取，提取出来的特征送入神经网络训练、分类。算法在公开的数据库NUAA上进行了验证，实验结果表明该方法降低了计算的复杂度，提高了识别准确率。

免费移动实时人脸地标106点本地化 介绍 良心级开源人脸标定算法，人脸美颜，美妆，配合式活体检测，人脸校准的预备步骤。该项目Windows工程基于传统的SDM算法，通过修改开源代码，精简保留测试部分代码，优化代码结构。 Android代码基于深度学习，我们设计了高效的网络模型，该模型鲁棒性更好，支持多人脸跟踪。当前深度学习算法在人脸标定方向获得了很好的效果，该项目推进提供了一种大规模简单易用的实现方式。 相关资源 （2019.02.06） 。 。 产品特点 106点，人脸轮廓描述更加细腻 准确度