随着深度学习方法的应用，人工智能的发展，人脸识别技术的识别率已经得到质的提升，通过反复开发试验，目前我司的人脸识别技术率已经达到99%。人脸识别技术与其他生物特征识别技术相吃比，在实际应用中具有天然独到的优势：通过摄像头直接获取，在非接触的方式完成识别过程。通过人脸识别与证件识别的比对，目前我司的人脸识别技术已应用在金融、教育、景区、旅运、社保等领域。

人脸识别技术主要分为两部分：

第一部为前端人脸活体检测技术，主要支持android、ios平台，在前端通过眨眼、张嘴、摇头、点头等组合动作，确保操作的为真实活体人脸。

第二部为后台人脸识别技术，该环节通过在活体检测技术环节取得整张人脸图像后，再通过扫描识别身份证，取到身份证头像后，将现场人脸与身份证上的人脸进行比对识别，判断是否为同一张人脸。

活体检测技术可在移动端平台进行运算，提供android、ios平台SDK；由于人脸比对算法的运算量非常大，所以需部署在服务器端，目前支持windows、linux等主流平台。

通过人脸识别技术与活体检测技术相结合，非常好的解决了实名认证环节存在的风险与漏洞。

实现思路分析：

1、点击识别按钮，调用相机

2、CameraRules类，检测相机权限

3、初始化页面，创建摄像页面，创建张嘴数据和摇头数据

4、开启识别，脸部框识别

5、脸部部位识别，脸部框识别

6、检测到人脸之后，判断位置

7、位置判断合适，判断是否张嘴

8、张嘴判断完毕，验证是否摇头

9、摇头判断完毕，3秒倒计时拍照

10、拍照完毕，选择重拍或者上传图片

11、选择重拍重复5-9步骤，选择上传将图片数据回调

12、数据clean

人脸活体检测技术应该满足以下几个条件：

①在线实时处理。活体检测过程应与人脸识别同时进行，越来越多的移动端需求给实时性提出越来越高的要求；

②受光照等外界影响小。人脸识别验证系统的应用面临着许多场景，活体检测技术应满足多场景、多终端应用的要求，鲁棒性强；

③用户界面自然，交互少，欺骗代价高。基于运动等的检测方法对用户来说，增加一系列的交互操作，不仅复杂度增加，可能需要附加的硬件设备支撑，所以新型的活体检测技术应该具有良好的用户体验，同时使得欺骗攻击的代价尽可能的高，保证安全性；

④对欺骗有着优异的检测能力，同时对人脸识别特征提取起辅助作用。基于纹理或图像特征的活体检测方法是未来的主要趋势，那么这些特征的提取和分类同样能给人脸识别带来益处。