生物識(shí)別中“活體檢測(cè)”專利技術(shù)分析

李浩 張玲 崔小利

摘要：相對(duì)于傳統(tǒng)的身份證件、鑰匙等認(rèn)證方式，基于生物特征的身份認(rèn)證技術(shù)會(huì)更加便捷和安全，但其也可能存在被偽造、盜取、復(fù)制的風(fēng)險(xiǎn)，不法分子會(huì)利用照片、指紋膜、人體模型等非法獲取偽造的生物特征來(lái)進(jìn)行欺騙攻擊?；铙w檢測(cè)技術(shù)是抵御欺騙攻擊的有效手段。本文以CNABS，VEN數(shù)據(jù)庫(kù)中通過(guò)對(duì)關(guān)鍵詞、分類號(hào)、申請(qǐng)人、申請(qǐng)量的檢索結(jié)果作為基礎(chǔ)，綜合運(yùn)用INCOPAT、PATENTICS、EXCEL等多種分析工具，對(duì)全球活體檢測(cè)專利進(jìn)行分析，主要包括發(fā)展趨勢(shì)，重要專利，重要申請(qǐng)人，專利價(jià)值等，為活體檢測(cè)技術(shù)的創(chuàng)新及行業(yè)發(fā)展提供參考借鑒。

關(guān)鍵詞：生物識(shí)別;活體檢測(cè);專利分析

中圖分類號(hào)：D923.42文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2020）09-0086-11

1 引言

生物特征識(shí)別技術(shù)（biometric identification technology）是指利用人體生物特征進(jìn)行身份認(rèn)證的一種技術(shù)[1]。具體而言，利用人體行為特征（筆跡、說(shuō)話、姿態(tài)等）和人體固有的生理特性（呼吸、心跳、紅眼效應(yīng)等）來(lái)進(jìn)行身份認(rèn)證。

在行為特征進(jìn)行身份認(rèn)證的系統(tǒng)中，系統(tǒng)攻擊主要來(lái)自于對(duì)他人特性的模仿;而在利用人體固有屬性的生理特性進(jìn)行身份認(rèn)證的系統(tǒng)中，幾乎所有的系統(tǒng)攻擊都是使用無(wú)生命的偽造樣本來(lái)欺騙系統(tǒng)[1]?；铙w檢測(cè)正是為了解決欺騙攻擊給生物識(shí)別系統(tǒng)帯來(lái)的沖擊而興起的一項(xiàng)生物識(shí)別輔助技術(shù)[2]。

為了解全球生物識(shí)別中“活體檢測(cè)”專利技術(shù)發(fā)展現(xiàn)狀，以期為該技術(shù)的創(chuàng)新及產(chǎn)業(yè)發(fā)展提供參考和借鑒，本文對(duì)專利家族數(shù)據(jù)庫(kù)中的活體檢測(cè)專利進(jìn)行了檢索，并利用PATENTICS、INCOPAT 等自帶分析軟件以及excel等工具進(jìn)行專利分析。

2 活體檢測(cè)專利發(fā)展趨勢(shì)分析

2.1 專利年度分布

活體檢測(cè)領(lǐng)域的專利申請(qǐng)年度分布情況如圖1所示：

從圖1中可以看出，活體檢測(cè)專利技術(shù)最早出現(xiàn)在2000年左右，2000—2011年之間該領(lǐng)域處于萌芽狀態(tài)，2011年以后呈現(xiàn)加速發(fā)展的態(tài)勢(shì)，而該領(lǐng)域相關(guān)的分類號(hào)主要集中在G06K9/00（識(shí)別圖形等，如指紋識(shí)別方法）、G06K9/62（應(yīng)用電子設(shè)備進(jìn)行識(shí)別的方法或裝置）、G06F21/30（鑒定，即確定身份或安全負(fù)責(zé)人的授權(quán)），這也是與預(yù)期相符的，即其分類主要集中在圖像處理、身份識(shí)別和鑒權(quán)中，隨著傳感器技術(shù)以及圖像處理技術(shù)的飛速發(fā)展。目前，活體檢測(cè)專利技術(shù)已經(jīng)達(dá)到了頂峰。由于專利申請(qǐng)的法定公開(kāi)期限為18個(gè)月限制，為考慮數(shù)據(jù)的嚴(yán)謹(jǐn)性，2019年的數(shù)據(jù)僅供參考。

2.2 申請(qǐng)人分析

根據(jù)IncoPat統(tǒng)計(jì)分析的專利申請(qǐng)公開(kāi)趨勢(shì)，對(duì)活體檢測(cè)的申請(qǐng)公開(kāi)數(shù)量及其對(duì)應(yīng)的年份進(jìn)行了分析，活體檢測(cè)領(lǐng)域的專利公開(kāi)數(shù)量排名前十的申請(qǐng)人的專利申請(qǐng)年度分布如圖2所示：

從圖2中可以看到，從2001年到2014年公開(kāi)的數(shù)量較少，即申請(qǐng)量是處于萌芽狀態(tài)。早期專利公開(kāi)較多的是日本的FUJITSU LIMITED公司，由此可以得出，該公司是活體檢測(cè)領(lǐng)域的領(lǐng)頭羊。從2015年到2018年北京曠視科技有限公司的專利數(shù)量呈均勻分布區(qū)域，而北京小孔科技有限公司的專利數(shù)量主要集中分布在2015—2017年期間，廣東歐珀移動(dòng)通信有限公司的專利數(shù)量主要集中在2017—2018期間，并且2018年專利總量中，百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司的專利數(shù)量占很大比例。

2.3 申請(qǐng)人專利價(jià)值圖

IncoPat自身包含一套專利價(jià)值度評(píng)估體系—合享價(jià)值度，其選取業(yè)內(nèi)常見(jiàn)的專利價(jià)值評(píng)估指標(biāo)，從技術(shù)穩(wěn)定性、技術(shù)先進(jìn)性和保護(hù)范圍三個(gè)維度綜合衡量專利的價(jià)值度[3]。本文利用上述專利價(jià)值統(tǒng)計(jì)分析功能，對(duì)活體檢測(cè)申請(qǐng)數(shù)量排名前十的公司的專利進(jìn)行價(jià)值分析，如圖3所示：

從圖3中可以看出，作為活體檢測(cè)領(lǐng)域領(lǐng)頭羊的日本FUJITSU LIMITED公司的專利價(jià)值大多在10分;同樣，擁有較高專利價(jià)值分?jǐn)?shù)的公司還有騰訊科技（深圳）有限公司和阿里巴巴集團(tuán)控股有限公司，而北京曠視科技有限公司、廣東歐珀移動(dòng)通信有限公司和北京小孔科技有限公司的專利價(jià)值集中分布在8～9分;專利價(jià)值為6分的主要分布在北京曠視科技有限公司、廣東歐珀移動(dòng)通信有限公司、百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司和騰訊科技（深圳）有限公司中。

3 重要技術(shù)分支

活體檢測(cè)中使用的特征一般分為生理特征和行為特征，按照這種分類方法，本文將活體檢測(cè)分為面部行為特征、面部生理特征、手部行為特征、手部生理特征、眼部行為特征、眼部生理特征及其他，具體技術(shù)分支如下圖4所示：

而各個(gè)技術(shù)分支的專利數(shù)量分布餅狀圖如圖5、圖6所示，其中從圖5中可以看出，基于面部檢測(cè)的活體識(shí)別占超過(guò)一半的比例，基于手部檢測(cè)的占比為20%;基于眼部和其他特征的分別占15%和9%;進(jìn)一步地，圖6中基于面部檢測(cè)的技術(shù)分支中基于面部生理特征檢測(cè)的活體識(shí)別占了45%，其次，基于手部生理特征進(jìn)行活體檢測(cè)的專利數(shù)量占了19%。

3.1 面部檢測(cè)

隨著人臉識(shí)別技術(shù)日趨成熟，商業(yè)化應(yīng)用愈加廣泛，然而人臉極其用照片、視頻等方式進(jìn)行復(fù)制，因此對(duì)合法用戶人臉的假冒是人臉識(shí)別與認(rèn)證系統(tǒng)安全的重要威脅[4]，因此人臉活體檢測(cè)就顯得至關(guān)重要。人臉活體檢測(cè)是指辨別當(dāng)前獲取的人臉圖像是來(lái)自活體人臉還是假體人臉的過(guò)程，其中活體人臉指有生命的真實(shí)人臉，假體人臉指冒充真人身份的人臉?lè)旅捌穂5]。和指紋、虹膜等生物特征相比，人臉特征是最容易獲取的，活體檢測(cè)中涉及面部檢測(cè)的專利技術(shù)根據(jù)生理特征和行為特征可以分為兩大類，其中基于面部生理特征的活體檢測(cè)主要包含有面部特征、人臉三維結(jié)構(gòu)、面部光流估計(jì)、多光譜四個(gè)方面;基于面部行為特征的活體檢測(cè)主要體現(xiàn)在基于面部或頭部的運(yùn)動(dòng)、唇部的運(yùn)動(dòng)和通過(guò)指令使用戶做出符合指令的動(dòng)作三大部分。

3.1.1 面部生理特征?；诿娌可硖卣鞯幕铙w檢測(cè)主要包含有面部特征、人臉三維結(jié)構(gòu)、面部光流估計(jì)、多光譜四個(gè)方面，下面主要針對(duì)國(guó)內(nèi)主要申請(qǐng)人基于面部生理特征進(jìn)行活體檢測(cè)的專利技術(shù)進(jìn)行分析，國(guó)內(nèi)主要申請(qǐng)人專利申請(qǐng)數(shù)量分布如下圖7所示：

①基于人臉三維結(jié)構(gòu)

真實(shí)的人臉是三維的，人臉表面并不平坦，并且外觀存在非剛性變化，如人臉在微笑或者說(shuō)話時(shí)臉部某些區(qū)域會(huì)發(fā)生變化，而照片或視頻中的人臉是平面的，基于人臉三維結(jié)構(gòu)進(jìn)行活體檢測(cè)的又可以細(xì)分為基于人臉3D模型和基于三維深度分析兩方面，三維深度分析方面主要思想是用SFM模型估計(jì)出人臉中若干特征點(diǎn)在三維坐標(biāo)系中的深度坐標(biāo)[6]。

基于活體和非活體的人臉3D模型區(qū)分活體和非活體的專利技術(shù)包括北京曠視科技有限公司的CN108875468A、CN108734057A兩篇專利均涉及利用多張待測(cè)圖片構(gòu)建人臉三維模型來(lái)進(jìn)行活體檢測(cè);百度公司的CN108319901A：基于采集到的待檢測(cè)人臉的二維圖像構(gòu)建待檢測(cè)人臉的是三維點(diǎn)云實(shí)現(xiàn)活體人臉檢測(cè)，CN108062544A：基于至少兩張待檢測(cè)人臉圖像進(jìn)行人臉的三維重建進(jìn)行活體判斷;此外，基于人臉3D模型進(jìn)行活體判斷的其他公司專利技術(shù)還包括CN107563329A（廣東歐珀移動(dòng)有限公司）：當(dāng)人臉區(qū)域?yàn)槿S立體圖像且人臉有生物活性時(shí)，可判定圖像中人臉區(qū)域?yàn)檎嫒巳四?CN109086691A（阿里巴巴集團(tuán)控股有限公司）：利用目標(biāo)檢測(cè)對(duì)象的多幀深度圖像生成三維點(diǎn)云數(shù)據(jù)進(jìn)行活體檢測(cè)。

人臉三維深度信息進(jìn)行活體檢測(cè)的專利技術(shù)包括北京曠視科技有限公司的CN106407914A、CN105930710A、CN107451510A三篇專利涉及人臉三維深度信息進(jìn)行活體檢測(cè);百度公司的CN108388889A：利用人臉平面圖像生成模擬人臉深度數(shù)據(jù)，從而可以與獲取的人臉深度圖像進(jìn)行匹配分析，以確定該人臉深度圖像是否來(lái)自真實(shí)人臉;CN107590430A：利用兩個(gè)近紅外攝像頭拍攝到的第一圖片和第二圖片成深度圖;根據(jù)深度圖以及可見(jiàn)光攝像頭拍攝到的第三圖片確定出用戶是否為活體。

②基于面部特征點(diǎn)

基于面部特征點(diǎn)進(jìn)行活體檢測(cè)，主要根據(jù)色彩特征[7]、紋理特征[7-8]、溫度特征等，利用人臉面部特征進(jìn)行活體檢測(cè)的專利技術(shù)主要包括有廣東歐珀移動(dòng)有限公司的四篇專利：CN107590463A：將人臉特征信息與預(yù)設(shè)的人臉特征模板進(jìn)行匹配;CN107451543A：獲取用戶的面部特征數(shù)據(jù)，所述面部特征數(shù)據(jù)包括面部圖像特征數(shù)據(jù)和面部溫度特征數(shù)據(jù);CN107437067A：根據(jù)所述獲取的特征點(diǎn)集合確定所述拍攝范圍內(nèi)的用戶是否為真實(shí)用戶;CN107273875A：基于所述至少一個(gè)圖像特征點(diǎn)的參考參數(shù)確定當(dāng)前用戶人臉是否為活體用戶人臉;此外，采用人臉面部特征進(jìn)行活體檢測(cè)的其他公司重要專利技術(shù)有騰訊科技（深圳）有限公司的CN109492551A、CN107818313A、CN105868733A均涉及對(duì)捕獲到的人臉圖像進(jìn)行特征點(diǎn)匹配進(jìn)行活體檢測(cè)。

③基于多光譜

生活中不同材料對(duì)于光的反射率不同，這使得我們可以通過(guò)測(cè)量反射即圖像中的灰度值來(lái)區(qū)分真實(shí)面部皮膚和人造面具[9]?；诙喙庾V的活體檢測(cè)方法的出發(fā)點(diǎn)是真人臉的皮膚和偽造人臉在材質(zhì)上存在一定差異，而這種差異體現(xiàn)在成像系統(tǒng)中就是反射率的差異，其旨在從可見(jiàn)光波段之外找到更加有效的波段或其組合，使真人臉和偽造的人臉在成像系統(tǒng)響應(yīng)上的差異變大，從而達(dá)到區(qū)分兩者的目的。而紅外光（尤其是近紅外光），可見(jiàn)光和近紫外光通常較為安全，被廣泛用于多光譜人臉活體檢測(cè)中。

利用紅外光、激光等結(jié)構(gòu)光特性進(jìn)行活體檢測(cè)的專利技術(shù)主要包括有北京曠視科技有限公司的五篇專利：CN106407914A：獲取待識(shí)別人臉在紅外結(jié)構(gòu)光照射下形成的光斑圖樣;根據(jù)光斑圖樣獲得待識(shí)別人臉的紋理信息;CN105912986A：基于結(jié)構(gòu)光在所述待檢測(cè)對(duì)象臉部的亞表面散射程度的檢測(cè)參數(shù);預(yù)先確定的參數(shù)閾值，確定所述待檢測(cè)對(duì)象是否為活體;CN105447483A：通過(guò)被檢測(cè)的對(duì)象對(duì)多種空間頻率的結(jié)構(gòu)光的頻率響應(yīng)情況來(lái)判斷對(duì)象是否是活體;CN106650666A：獲取由中波紅外成像傳感器采集的待測(cè)對(duì)象的臉部、通過(guò)與臉部期望熱圖的比較，確定待檢測(cè)對(duì)象是否為活體;CN105637532A：捕獲經(jīng)由所述激光光源照射的待檢測(cè)對(duì)象的臉部的圖像;獲取待檢測(cè)對(duì)象的臉部的圖像的光斑面積，通過(guò)閾值比較判斷是否為活體;此外，其他利用結(jié)構(gòu)光進(jìn)行活體檢測(cè)的專利技術(shù)還有CN108446638A（廣東歐珀移動(dòng)有限公司）：利用結(jié)構(gòu)光模組獲取用戶頭部的連續(xù)幀結(jié)構(gòu)光圖像;根據(jù)該連續(xù)幀結(jié)構(gòu)光圖像判斷該用戶是否為活體。

利用可見(jiàn)光成像系統(tǒng)進(jìn)行活體檢測(cè)的專利技術(shù)主要包括有北京曠視科技有限公司的CN108629260A、CN106529512A兩篇專利均涉及基于多幅圖像中待測(cè)人臉的光反射特性確定待驗(yàn)證人臉是否為活體人臉;廣東歐珀移動(dòng)有限公司的CN107403083A、CN107292290A兩篇均涉及根據(jù)不同環(huán)境光照強(qiáng)度下采集的人臉圖像的差異進(jìn)行活體判斷;同理，阿里巴巴集團(tuán)控股有限公司的CN109086645A、CN107886032A、CN108363939A也采用類似的技術(shù)手段進(jìn)行活體判斷。

綜上所述，通過(guò)對(duì)基于人臉面部生理特征進(jìn)行活體檢測(cè)的重要申請(qǐng)人的專利技術(shù)分析可知，排名第一的北京曠視科技有限公司研究重點(diǎn)在于利用光譜反射信息及光斑面積進(jìn)行活體識(shí)別;而廣東歐珀移動(dòng)有限公司和騰訊科技（深圳）有限公司主要重點(diǎn)研究通過(guò)人臉臉部各種特征比對(duì)、匹配進(jìn)行活體檢測(cè);而基于面部光流進(jìn)行活體識(shí)別的專利文獻(xiàn)量不大，申請(qǐng)人以北京小米移動(dòng)軟件有限公司為代表的涉及多個(gè)小型公司;阿里巴巴集團(tuán)控制有限公司的專利研究重點(diǎn)在于利用不同采集條件下圖像差異數(shù)據(jù)進(jìn)行活體識(shí)別;而百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司的專利技術(shù)在上述四方面中均有涉及。

3.1.2 面部行為特征。面部行為特征是活體檢測(cè)中較常用的較簡(jiǎn)單的檢測(cè)方法，其主要是利用人體的運(yùn)動(dòng)性來(lái)分辨是活體還是靜態(tài)的照片、模型或者視頻等，這種檢測(cè)方式也被廣泛地應(yīng)用于支付軟件例如支付寶中的實(shí)名認(rèn)證等。

3.1.2.1 重要申請(qǐng)人專利分析。利用面部行為特征來(lái)進(jìn)行活體檢測(cè)的技術(shù)一般分為通過(guò)面部或頭部的運(yùn)動(dòng)以及唇部的運(yùn)動(dòng)和通過(guò)指令使用戶做出符合指令的動(dòng)作三方面：

①基于頭部運(yùn)動(dòng)

通過(guò)頭部運(yùn)動(dòng)來(lái)進(jìn)行活體檢測(cè)：例如微軟公司的CN104966079A通過(guò)采集面部的多幅圖像，根據(jù)一個(gè)或更多面部組成部分中是否存在運(yùn)動(dòng)來(lái)進(jìn)行活體檢測(cè);例如北京曠視科技有限公司的CN105518582A、CN105518713A：從拍攝圖像中檢測(cè)人臉動(dòng)作，根據(jù)動(dòng)作控制或指令控制在顯示屏幕上顯示虛擬對(duì)象在虛擬對(duì)象滿足預(yù)定條件下確定為活體;例如阿里巴巴集團(tuán)控股有限公司的CN105868677A：采集視頻圖像，根據(jù)視頻圖像中人臉圖像的運(yùn)動(dòng)姿態(tài)和生成的三維人臉是否符合預(yù)設(shè)結(jié)果來(lái)進(jìn)行活體檢測(cè)。

②基于面部光流估計(jì)

Gibson于20世紀(jì)50年代率先提出光流的概念，光流是像素點(diǎn)的瞬時(shí)運(yùn)動(dòng)，可以通過(guò)在光流場(chǎng)上進(jìn)行相關(guān)計(jì)算得到圖像序列中場(chǎng)景或物體的運(yùn)動(dòng)場(chǎng)，運(yùn)動(dòng)場(chǎng)是場(chǎng)景或物體在三維世界坐標(biāo)中的運(yùn)動(dòng)向量集合。而光流場(chǎng)是運(yùn)動(dòng)場(chǎng)在二維圖像平面上的投影，由于人臉是一個(gè)三維結(jié)構(gòu)，他的運(yùn)動(dòng)會(huì)產(chǎn)生與二維平面的照片和視頻運(yùn)動(dòng)不同的圖像，特別是在旋轉(zhuǎn)的情況下，因此通過(guò)光流法是可以區(qū)分真人人臉和偽造人臉，通過(guò)檢測(cè)三維物體（人臉）和二維平面（照片和視頻）的運(yùn)動(dòng)模式之間的差異來(lái)進(jìn)行活體測(cè)量[9]。

基于面部光流估計(jì)進(jìn)行活體檢測(cè)的專利技術(shù)主要包括北京小米移動(dòng)軟件有限公司的兩篇專利：CN107688781A：從待檢測(cè)視頻中獲取第一幀圖像和第二幀圖像，并分別獲取對(duì)應(yīng)的第一光流值與第二光流值，利用兩個(gè)光流值的差值與閾值比較，確定待檢測(cè)視頻中的人臉為活體人臉;CN108154090A：根據(jù)視頻圖像中至少兩幀圖像各個(gè)像素的光流速度值的密集光流圖;根據(jù)各個(gè)像素的光流速度值確定N個(gè)人臉區(qū)域光流速度直方圖和N個(gè)非人臉區(qū)域光流速度直方圖;并獲取兩個(gè)直方圖之間的平均距離，通過(guò)閾值比較進(jìn)行活體判斷;此外其他基于面部光流估計(jì)的典型專利技術(shù)包括有CN108805047A（北京曠視科技有限公司）：利用視頻中的靜態(tài)圖像信息和光流信息來(lái)進(jìn)行活體檢測(cè);CN108197586A（北京深醒科技有限公司）：將不同成像方法所獲取的圖像的特征進(jìn)行數(shù)據(jù)融合，再采用流光法進(jìn)行處理，能夠確定待測(cè)對(duì)象是否為活體。

③基于唇部運(yùn)動(dòng)檢測(cè)

通過(guò)唇部運(yùn)動(dòng)來(lái)進(jìn)行活體檢測(cè)：例如阿里巴巴集團(tuán)控股有限公司的CN106529379A：根據(jù)視頻信息獲取用戶的嘴部特征信息，判斷嘴部特征信息與唇語(yǔ)庫(kù)中驗(yàn)證內(nèi)容對(duì)應(yīng)的唇語(yǔ)特征序列是否相匹配來(lái)進(jìn)行活體檢測(cè)。

3.1.2.2 重要專利分析。專利的被引證次數(shù)是指某專利被其他專利引用的次數(shù)，在一定程度上反映了該專利的重要程度，被引證次數(shù)越多，體現(xiàn)出該專利在該領(lǐng)域的地位重要性[10]。表1是通過(guò)incopat平臺(tái)統(tǒng)計(jì)的專利的被引證次數(shù)。

從表1可以看出，在面部行為特征檢測(cè)專利領(lǐng)域，被引用次數(shù)最多的是清華大學(xué)的CN101159016A，其檢測(cè)系統(tǒng)攝像視角內(nèi)物體的運(yùn)動(dòng)區(qū)域和運(yùn)動(dòng)方向，鎖定人臉檢測(cè)結(jié)果框，判斷結(jié)果框內(nèi)是否存在人臉面部運(yùn)動(dòng)，判斷面部運(yùn)動(dòng)是否為生理性運(yùn)動(dòng)，如果是判斷為活體，其是通過(guò)判斷面部運(yùn)動(dòng)來(lái)檢測(cè)是否是活體的;被引用次數(shù)次之的是湖北微模式科技發(fā)展有限公司的CN103440479A，其從拍攝的視頻序列中獲取圖像，在圖像中檢測(cè)人臉，定位面部關(guān)鍵區(qū)域，通過(guò)分類器隨機(jī)選擇動(dòng)作集中的一種或多種，并隨機(jī)選擇動(dòng)作完成次數(shù)，若用戶在指定時(shí)間內(nèi)完成該次數(shù)，則判定為活體，其是通過(guò)設(shè)置指令使得用戶完成對(duì)應(yīng)指令來(lái)檢測(cè)是否活體;被引證次數(shù)第三的是CYBERLINK CORP的US20130188840A1，其是通過(guò)接收視頻流中的多個(gè)包含人臉的圖片和相鄰背景，確定臉部的運(yùn)動(dòng)和背景，通過(guò)對(duì)比人臉運(yùn)動(dòng)和背景來(lái)判斷是否為活體。

3.2 眼部檢測(cè)

活體檢測(cè)中的眼部檢測(cè)通常包括通過(guò)眼部生理特征，例如虹膜、眼部靜脈特征、瞳孔的焦距等狀態(tài)信息以及眼部行為特征，如眨眼或眼部視線變化、眼瞼眼球運(yùn)動(dòng)等來(lái)檢測(cè)是否是活體[11]?，F(xiàn)有的活體虹膜檢測(cè)大多基于瞳孔反射特性、虹膜震顫特性、人眼運(yùn)動(dòng)、多光譜等方法，這些方法各有所長(zhǎng)，有各自擅長(zhǎng)的防御類型，當(dāng)然也有著各自所欠缺的防御類型[11]。眼部行為特征即是利用眼部器官的運(yùn)動(dòng)例如眼瞼、眼球的運(yùn)動(dòng)等來(lái)分辨活體與否。下面從眼部的生理特征和眼部行為特征兩方面來(lái)分析相關(guān)專利。

3.2.1 眼部生理特征。從圖9中可以看出，在活體檢測(cè)專利技術(shù)領(lǐng)域，通過(guò)眼部生理特征來(lái)實(shí)現(xiàn)活體檢測(cè)的總數(shù)少于利用面部特征以及手部特征的，但在該分支之下廣東歐珀移動(dòng)通信有限公司、MAGIC LEAP INC、中國(guó)科學(xué)院自動(dòng)化研究所等申請(qǐng)的專利數(shù)量較多，領(lǐng)先于其他機(jī)構(gòu)，處于第一梯隊(duì);其余機(jī)構(gòu)的數(shù)量大致相同，處于第二梯隊(duì)。

例如廣東歐珀移動(dòng)通信有限公司申請(qǐng)的CN107527013A是通過(guò)采集人眼的虹膜圖像，圖像中若包含四邊形圖案，那么采集到的虹膜圖像為活體虹膜圖像。該公司的CN107506687A通過(guò)拍攝的兩張圖像，判斷兩張圖像的焦距是否相同來(lái)判斷是否活體。還有該公司的CN107451547A通過(guò)拍攝人眼圖像，通過(guò)人眼圖像中的眼白區(qū)域占比之差來(lái)確定是否活體。以及該公司的CN107423699A通過(guò)確定瞳孔區(qū)域中的目標(biāo)區(qū)域的高亮區(qū)域，根據(jù)高亮區(qū)域確認(rèn)人眼圖像是否來(lái)自于活體，可實(shí)現(xiàn)檢測(cè)。例如MAGIC LEAP INC的US20190065722A1通過(guò)調(diào)整藍(lán)光來(lái)接收一系列不同的眼睛圖片，從中根據(jù)瞳孔的反應(yīng)來(lái)判斷是否為活體;例如清華大學(xué)申請(qǐng)的CN105139006A是通過(guò)獲取屏幕亮度以及瞳孔收縮狀態(tài)信息，獲取兩者的相關(guān)系數(shù)，若大于閾值判斷為活體;從上述專利可見(jiàn)通過(guò)眼部生理特征來(lái)進(jìn)行活體檢測(cè)采用的手段一般都是根據(jù)活體眼睛其獨(dú)有的生理特征或生理反應(yīng)，即其與打印照片或其模型眼睛的差別來(lái)進(jìn)行活體的檢測(cè)。

3.2.2 眼部行為特征。除了眼部的生理特征可以用來(lái)檢測(cè)是否活體外，眼部的行為特征也可用于活體檢測(cè)。一般常用的手段是檢測(cè)眼部的眨眼，眼球的運(yùn)動(dòng)，眼瞼的運(yùn)動(dòng)、眼部視線等來(lái)判斷是否活體。例如北京曠視科技有限公司的發(fā)明申請(qǐng)CN108875469A是通過(guò)采集目標(biāo)對(duì)象的眼部視頻，根據(jù)視頻獲得眼部視線運(yùn)動(dòng)軌跡，根據(jù)運(yùn)動(dòng)軌跡和引導(dǎo)物的軌跡之間的匹配度來(lái)確定是否活體。成都大學(xué)的CN107346422A是通過(guò)讀取人臉視頻的圖像，計(jì)算每幀圖像中的人臉上下眼瞼特征點(diǎn)的距離值，根據(jù)距離值的波動(dòng)情況判斷是否為活體。中國(guó)銀聯(lián)股份有限公司的CN105930761A是通過(guò)拍攝用戶注視運(yùn)動(dòng)軌跡時(shí)眼部的視頻，繪制用戶眼球活動(dòng)軌跡，根據(jù)活動(dòng)軌跡與物體的運(yùn)動(dòng)軌跡匹配度來(lái)判斷是否活體;例如南昌歐菲生物識(shí)別技術(shù)有限公司的CN106446831A是對(duì)眼睛進(jìn)行動(dòng)態(tài)追蹤，檢測(cè)眼睛的眨眼頻率，如果眨眼頻率在預(yù)設(shè)范圍內(nèi)則確定為活體。從上述專利可以看出：通過(guò)眼部行為特征是利用活體對(duì)象會(huì)對(duì)指令等做出符合預(yù)期的眼部運(yùn)動(dòng)的特點(diǎn)來(lái)檢測(cè)是否活體。

3.3 手部特征檢測(cè)

隨著指紋識(shí)別系統(tǒng)的廣泛應(yīng)用，人們對(duì)指紋識(shí)別系統(tǒng)的安全性以及個(gè)人隱私保護(hù)等問(wèn)題日益關(guān)注。雖然指紋的安全性高于用戶名、密碼的方式，但是例如指紋膜、硅膠等制作的假指紋給指紋識(shí)別系統(tǒng)帶來(lái)嚴(yán)重挑戰(zhàn)，這種指紋膜的制作過(guò)程非常簡(jiǎn)單，清晰度高，經(jīng)常被利用攻擊指紋掃描儀[12]。如何有效地抵御這種攻擊成為指紋識(shí)別系統(tǒng)的重要環(huán)節(jié)，識(shí)別獲取的指紋的是來(lái)源于真實(shí)活體還是欺詐指紋是當(dāng)前面臨的一大問(wèn)題。目前，采用手部特征的檢測(cè)方式來(lái)檢測(cè)活體主要分為基于手部生理特征和基于手部行為特征兩種方式。

3.3.1 手部生理特征。通過(guò)對(duì)相關(guān)專利分析，手部生理特征主要采用的手段為手指光照、指紋圖像、手部生物特征等幾大類。

3.3.1.1 重要申請(qǐng)人專利分析。手指光照主要是通過(guò)光照射手指，根據(jù)光反射或者光在手指皮膚中的散射特性來(lái)判斷是否為活體，由圖10所示，采用手部生理特征的方式申請(qǐng)的專利量排名較高的申請(qǐng)人，大部分是主要做指紋識(shí)別的申請(qǐng)人，在這些申請(qǐng)人中，采用手指光照方式進(jìn)行活體檢測(cè)的專利主要有：深圳市匯頂科技股份有限公司申請(qǐng)的CN109716353A，其是通過(guò)多個(gè)波長(zhǎng)的光分別照射指紋采集區(qū)域，將得到的物體反射光信號(hào)進(jìn)行成像，來(lái)判斷是否是活體指紋;深圳市匯頂科技股份有限公司申請(qǐng)的CN107820617A，其是通過(guò)光照射采集區(qū)域的反射光信號(hào)的大小判斷是否是活體指紋;深圳市匯頂科技股份有限公司申請(qǐng)的CN106971136A、CN106778459A、CN106709413A也是通過(guò)發(fā)射特定波長(zhǎng)的光分析光信號(hào)進(jìn)行活體判別;FUJITSU LIMITED的KR1020070093312A，其是通過(guò)光照射到手指的散射圖案判別是否是活體。廈門(mén)中控生物識(shí)別信息技術(shù)有限公司申請(qǐng)的CN106663201A通過(guò)不同的光源照射手掌獲取不同的圖像，根據(jù)圖像進(jìn)行活體檢測(cè)。上海籮箕技術(shù)有限公司申請(qǐng)的CN105989342A通過(guò)穿透手指的出射光進(jìn)行活體檢測(cè)。

采用指紋圖像的方式主要是根據(jù)采集的指紋圖像的特征進(jìn)行判斷是否是活體指紋，深圳市匯頂科技股份有限公司申請(qǐng)的CN106663203A、CN106104574A均是通過(guò)采集指紋圖像，根據(jù)指紋圖像與預(yù)存的活體非活體指紋圖像特征進(jìn)行對(duì)比，判斷是否是活體指紋;深圳市匯頂科技股份有限公司申請(qǐng)的CN109478083A是通過(guò)采集指紋圖像，監(jiān)測(cè)指紋脊圖案變形時(shí)的時(shí)域演變，指紋脊圖案變形的時(shí)域演變表示來(lái)自接觸輸入的按壓力的時(shí)域演變，來(lái)確定接觸輸入是否是活體指紋。

采用手部生物特征的方式主要是檢測(cè)手部的生物信號(hào)，比如汗腺、汗毛孔、脈搏等。上?；j箕技術(shù)有限公司申請(qǐng)的CN109871729A通過(guò)檢測(cè)手指毛孔圖像進(jìn)行活體檢測(cè);南昌歐菲生物識(shí)別技術(shù)有限公司申請(qǐng)的CN106250890A通過(guò)識(shí)別指紋紋路中是否存在汗腺孔來(lái)進(jìn)行活體檢測(cè);南昌歐菲生物識(shí)別技術(shù)有限公司申請(qǐng)的CN105279504A通過(guò)檢測(cè)手指的血氧飽和度和溫度進(jìn)行活體檢測(cè)。富士通株式會(huì)社申請(qǐng)的CN1668245A通過(guò)獲取外皮表面的分泌物進(jìn)行活體檢測(cè)。廈門(mén)中控生物識(shí)別信息技術(shù)有限公司申請(qǐng)的CN106462754A和CN106326836A，南昌歐菲生物識(shí)別技術(shù)有限公司申請(qǐng)的CN105205446A、CN105117697A、CN105069438A、CN105069439A、CN105046240A，上?；j箕技術(shù)有限公司申請(qǐng)的CN104616001A均是通過(guò)檢測(cè)或測(cè)量脈搏信號(hào)進(jìn)行活體檢測(cè)。

從上述專利可以看出，采用手部生理特征的活體驗(yàn)證方式主要是通過(guò)光照、指紋圖像以及手部生物特征等方式，主要做指紋識(shí)別的公司在研究指紋識(shí)別的技術(shù)時(shí)，都考慮了活體指紋驗(yàn)證的問(wèn)題，而不同的公司采用的手段也不相同。深圳市匯頂科技股份有限公司主要采用光照的方式驗(yàn)證活體，南昌歐菲生物識(shí)別技術(shù)有限公司主要采用脈搏檢測(cè)的方式驗(yàn)證活體，每個(gè)公司研究的方向均有所側(cè)重。

3.3.1.2 重要專利分析。IncoPat中采用手部生理特征進(jìn)行活體檢測(cè)的家族被引證次數(shù)排名前10的專利及其相關(guān)參數(shù)見(jiàn)表2。

在表2所列的專利中，JP2001510579A采用了生物測(cè)量傳感器測(cè)量手指的溫度、脈速、血氧含量等生物特征進(jìn)行活體檢測(cè)。CN1404002A采用了手指顏色與檢測(cè)器表面壓力之間的相關(guān)性，進(jìn)行活體檢測(cè)。CN1697626A根據(jù)對(duì)象反饋的波形信號(hào)進(jìn)行活體檢測(cè)。其他家族被引證次數(shù)較多的專利也是通過(guò)識(shí)別手指的生物特征進(jìn)行活體檢測(cè)。

3.3.2 手部行為特征。根據(jù)手部行為特征驗(yàn)證活體的專利數(shù)量較少，其主要是根據(jù)手部的手勢(shì)動(dòng)作、手部運(yùn)動(dòng)等信息進(jìn)行活體檢測(cè)。蘇州浪潮智能軟件有限公司申請(qǐng)的CN109284689A通過(guò)對(duì)手勢(shì)指令的驗(yàn)證進(jìn)行活體檢測(cè);北京百度網(wǎng)訊科技有限公司申請(qǐng)的CN107609462A通過(guò)檢測(cè)拍攝時(shí)手持移動(dòng)終端的運(yùn)動(dòng)信息進(jìn)行活體驗(yàn)證。采用手部行為特征的專利數(shù)量較少，目前通過(guò)手部特征進(jìn)行活體驗(yàn)證主要還是采用手部生理特征的方式。

3.4 其他檢測(cè)方式

在活體檢測(cè)中，還有一部分研究利用人體生物多特征融合、心跳心率以及前景和背景的圖像檢測(cè)等方式進(jìn)行驗(yàn)證。在這些驗(yàn)證方式中，采用多特征融合的方式進(jìn)行研究的較多，多模生物認(rèn)證系統(tǒng)是指采用多種生物特征（如人臉、語(yǔ)音、指紋、唇動(dòng)和手形等）同時(shí)進(jìn)行身份識(shí)別，對(duì)于單一生物特征身份認(rèn)證系統(tǒng)來(lái)說(shuō)，會(huì)受制于這一生物特征現(xiàn)有技術(shù)的識(shí)別能力，采用了多個(gè)生物特征認(rèn)證時(shí)，如果某一生物特征對(duì)一些樣本效果不好，則可以用其他的生物特征信息來(lái)融合判別[4]。

中控智慧科技股份有限公司申請(qǐng)的CN109871811A通過(guò)獲取被測(cè)目標(biāo)的人臉圖像、眼紋區(qū)域圖像和虹膜圖像共同驗(yàn)證是否是活體;浙江大學(xué)申請(qǐng)的CN109670430A邊框檢測(cè)、眨眼檢測(cè)和摩爾紋檢測(cè)進(jìn)行活體驗(yàn)證。北京曠視科技有限公司申請(qǐng)的CN108875509A通過(guò)檢測(cè)對(duì)象微動(dòng)信息和背景微動(dòng)信息進(jìn)行活體驗(yàn)證。北京曠視科技有限公司申請(qǐng)的CN108875676A通過(guò)前景和背景圖像的類別判定進(jìn)行活體驗(yàn)證。達(dá)闥科技（北京）有限公司申請(qǐng)的CN108509857A通過(guò)檢測(cè)對(duì)象的心跳來(lái)驗(yàn)證活體。CN106778559A：通過(guò)計(jì)算發(fā)出的聲波與反射后得到的聲波之間的強(qiáng)度衰減，進(jìn)而確定待檢測(cè)對(duì)象是否為活體;CN106570489A：采集多幀人臉圖像;對(duì)每一幀人臉圖像，提取人臉區(qū)域;獲取人臉區(qū)域的光照強(qiáng)度，根據(jù)所述人臉區(qū)域的光照強(qiáng)度，計(jì)算每一幀人臉圖像對(duì)應(yīng)的脈搏特征;根據(jù)所述每一幀人臉圖像對(duì)應(yīng)的脈搏特征，建立脈搏特征曲線;將所述脈搏特征曲線與預(yù)存標(biāo)準(zhǔn)非活體脈搏特征曲線進(jìn)行對(duì)比，若所述脈搏特征曲線的特征值與所述預(yù)存標(biāo)準(zhǔn)非活體脈搏特征曲線的特征值相差超過(guò)預(yù)設(shè)特征閾值，則判定采集到的是活體人臉圖像;CN105718874A：隨機(jī)設(shè)定一個(gè)或多個(gè)指示動(dòng)作和指示朗讀一段文字，判斷用戶動(dòng)作是否合格，判斷音頻信息與預(yù)先存儲(chǔ)的聲紋信息是否匹配，來(lái)進(jìn)行活體檢測(cè)。

4 總結(jié)

目前，活體檢測(cè)專利技術(shù)主要以面部行為和生理、手部行為和生理、眼部行為和生理以及一些綜合性的其他方式進(jìn)行驗(yàn)證。其中，占據(jù)主導(dǎo)的檢測(cè)方式為采用面部生理特征和手部生理特征，根據(jù)被檢測(cè)人的生物特征進(jìn)行驗(yàn)證，采用人體生物特征的方式不需要人配合做出相應(yīng)的行為動(dòng)作，檢測(cè)方式友好方便，檢測(cè)準(zhǔn)確性也較高。而活體檢測(cè)專利技術(shù)的主要研究力量集中在北京曠視科技有限公司、北京小孔科技有限公司、深圳市匯頂科技股份有限公司等研究人臉及指紋識(shí)別的公司。

人臉識(shí)別及指紋識(shí)別等生物識(shí)別在日常生活中具有普遍的應(yīng)用，活體檢測(cè)占據(jù)了越來(lái)越重要的作用，隨著科學(xué)技術(shù)的發(fā)展，相信活體檢測(cè)的方式會(huì)越來(lái)越多樣化，檢測(cè)技術(shù)會(huì)越來(lái)越方便快捷，準(zhǔn)確率也會(huì)越來(lái)越高，會(huì)為日常生活中的安全驗(yàn)證提供更有力的保障。

參考文獻(xiàn)：

[1] 王馨寧.生物特征識(shí)別中的“活體檢測(cè)”概念及分析[J].中國(guó)科技術(shù)語(yǔ)，2014（5）：77-79.

[2] 陳曦等.生物識(shí)別中的活體檢測(cè)技術(shù)綜述2015[C].第三十四屆中國(guó)控制會(huì)議，2017（7）：3797-3804.

[3] 康婧等.專利信息系統(tǒng)分析與研究[J].情報(bào)工程，2017（5）：112-123.

[4] 孫霖.人臉識(shí)別中的活體檢測(cè)技術(shù)研究[D].杭州：浙江大學(xué)，2010.

[5] 中華人民共和國(guó)公安部. Ministry of Public Security of the Peoples Republic of China. Ga/T1212-2014 Face recognition application insecurity systems–testing methodologies for anti-spoofing[R]. Ga/T1212-2014 安防人臉識(shí)別應(yīng)用防假體攻擊測(cè)試方法，2014.

[6] 羅浩.人臉識(shí)別中的活體檢測(cè)方法研究[D].長(zhǎng)沙：湖南師范大學(xué)，2015.

[7] 廖迪等.基于圖像色彩紋理的人臉活體檢測(cè)算法研究[J].現(xiàn)代計(jì)算機(jī)，2019（6）.

[8] 甘俊英等.面向活體人臉檢測(cè)的時(shí)空紋理特征級(jí)聯(lián)方法[J].模式識(shí)別與人工智能，2019（2）.

[9] 黃建愷.人臉識(shí)別的活體檢測(cè)技術(shù)研究[D].武漢：華中師范大學(xué)，2018.

[10] 董支星等.人臉識(shí)別活體驗(yàn)證專利分析[J] .電聲技術(shù)，2018（1）：1-6.

[11] 馬遇伯.活體虹膜檢測(cè)技術(shù)研究[D].北京：北方工業(yè)大學(xué)，2017.

[12] 王群峰.指紋識(shí)別系統(tǒng)活體檢測(cè)技術(shù)研究[D].廣州：廣東工業(yè)大學(xué)，2016.