腾讯研究院TRFA人脸认证登录系统介绍

1.系统架构

TRFA人脸认证服务的大体架构如上图所示，分为接入层和服务层。其中，接入层对外提供基于HTTP协议的服务接口，主要完成接入用户请求、登录认证、分配应用服务器、返回结果等功能；服务层提供具体的识别服务，完成单纯的计算任务，并把结果返回给接入层。

2. 实现流程

(1) 人脸注册流程

用户在注册时，需要登录客户端界面，输入帐号UID和其他相关信息（比如用户的姓名），并拍照向服务器发送一张或多张自己的正 面照片。服务层记录该注册请求的帐号UID，客户端设备号DeviceID，并由接收到的照片生成该用户的人脸特征模板。

(2)人脸登录流程
　　
人脸登录包括认证(Verification)和识别(Recognition)两种模式。用户只需人脸靠近摄像头，系统实时检测人脸并采集人脸视频图像发送至服务器端，服务器端从待认证的人脸图像中提取特征后与事先存储的用户特征模板进行比对。认证模式下，用户需要选定其对应账户，服务器端只进行该账户（该UID必须在DeviceID注册列表中）的人脸模版比对，当比对分数超过给定阈值时，返回人脸登陆成功信号。识别模式下，用户不需要进行账户的选择，服务器端会进行该DeviceID下的全部已注册UID的人脸模板比对。当比对分数超过阈值时，系统登录进入最优相似度的账户。

3. 算法解析

为了满足不同应用场合的需要，人脸验证算法需要考虑到终端质量，采集环境，人脸变化等多方面的因素。具体而言，一套完整的人脸注册与认证系统包含以下步骤：

（1） 人脸检测；

（2） 人脸关键点定位；

（3） 人脸形状和纹理归一化；

（4） 特征抽取；

（5） 特征降维；

（6） 模板比对（分类）

在人脸注册过程中，服务端只完成特征抽取与降维；而人脸登录过程中，服务端对获取的图像进行特征抽取和降维后，根据分类器输出该人脸图像的置信度，以判断该用户是否匹配。如下图所示，对于输入的单张图像，分别在客户端进行人和关键点的定位，其次在服务器层进行图像归一化与特征抽取，并分别再注册与验证模式下进行后续的存储和分类操作。系统提供了鲁棒的人脸定位，能够较好的应对人脸姿态的变化。为了应对不同采集环境下的光照条件，系统采用了一种新的图像去光照方法，有效滤除了图像的光照干扰。在特征层面，分块的局部特征和全局特征被分别抽取，同时结合局部特征与全局特征的编码能够避免图像在表情，遮挡等影响下造成的局部纹理变形或者丢失。系统中采用了3种不同的特征编码模式（Gabor, LBP, HOG)。在特征抽取之后，多类特征分别进行后续的分类操作，并以加权的分数级融合作为图像最终的验证结果。此外，系统对于不同光照、环境中的差异，会通过每次登录自学习的过程，逐步适应各种环境。

人脸认证登录的不断优化

在人脸产品的设计上，也要注意扬长避短，合理引导用户并进行足够的提示，使得人脸认证登录系统发挥它最大的效能。

1、活体检测。为了避免用照片等非生命体人像特征蒙混过关的情形，可以在人脸验证中引入活体检测技术，这就需要被识别者在人脸可被检测到的范围内，缓慢的左右摇头并作出一些轻微的表情变化，以便帮助人脸识别系统确认是否具有生命特征，从而加强人脸登陆的安全性；

2、自适应学习。为了应对不同环境下的认证图像与模版图像之间的差异，系统需要具备自学习的功能，能够在每次验证的过程中，自动更新用户模版，来缩短模版注册的周期；

尽管现有的人脸认证系统仍然存在缺陷，但人脸认证登陆的实用价值是不可否认的。随着研究的不断深入，相信人脸认证技术会更好的满足用户的需求。