人脸识别技术目前已经非常成熟，识别率也越来越高，而基于动态视频人脸检测、人脸眨眼、热红外与可见光人脸关联等领先业界的活体检测方法也已经取得了一定的进步。

在生物识别系统中，为了防止恶意者伪造和窃取他人的生物特征，生物识别系统还需要具有活体检测功能，例如活体指纹检测可以基于手指的温度、排汗、导电性能等信息，活体人脸检测可以基于头部的移动、呼吸、红眼效应等信息，活体虹膜检测可以基于虹膜振颤特性、睫毛和眼皮的运动信息、瞳孔对可见光源强度的收缩扩张反应特性等。

动作指令活体检测

这是最常见得活体检测技术，这部分主要采用指令动作配合的方式，如人脸左转、右转、张嘴、眨眼等，指令配合错误则认为是伪造欺骗。

近红外人脸活体检测

近红外人脸活体检测主要是基于光流法而实现的，这是利用图像序列中的像素强度数据的时域变化和相关性来确定各自像素位置的“运动”，因为光流场对物体运动比较敏感，利用光流场可以统一检测眼球移动和眨眼，对从图像序列中得到各个像素点的运行信息进行数据统计分析。

数据堂自制版权的系列数据集产品为“活体检测”这一技术路径的实现提供了强有力的支持。

1,056人活体检测数据

该数据采集场景包括室内和室外。数据涵盖男性女性，年龄分布为少年到老人，以中青年为主 。数据包括多姿态、多表情、多对抗样本。1,056人活体检测数据可用于刷脸支付、远程身份验证、手机刷脸解锁等任务。

值得说明的是，近红外人脸活体检测是不需要指令动作配合的，检测成功率也比较高，下面还会介绍另外一种同样不需要配合指令动作的静默活体检测

3D人脸检活

利用3D摄像头拍摄人脸,得到相应的人脸区域的3D数据,并基于这些数据做进一步的分析, 最终判断出这个人脸是来自活体还是非活体。

关于3D人脸检活技术，可以百度了解一下旷视3D结构光，利用了人脸特征点局部和整体的三维信息进行曲面的拟合来描述三维模型特征，根据曲面的曲率从深度图像中提取凸起区域，再对每个区域提取EGI特征，最后利用其球形相关度进行再分类识别。

另外还有一项就是，静默活体检测

静默活体检测以面部特征作为身份核对依据，通过动态核对面部轮廓方式准确识别客户，客户无需做任何动作，自然正对摄像头三四秒钟，即可完成检测。全程无需用户动作配合，人性化程度高。