matlab代码抠图-liveness-detection:一个存储库，用于比较和对比不同的活动检测方法，并最终尝试一种集成方法...

matlab代码抠图活力检测 一个存储库，用于比较和对比不同的活动检测方法，并最终尝试一种集成方法，以避免在liveness.com上作为基准进行L1和L2欺骗 文学与灵感 阿德里安·罗森布鲁克（Adrian Rosenbrock）的活动检测- 他提到的方法是当今大多数用于此问题陈述的方法。 纹理分析-计算脸部区域上的局部二进制图案（LBP），并使用SVM将脸部分类为真实的或欺骗的。 频率分析-检查面部的傅立叶域。 可变聚焦分析-检查两个连续帧之间像素值的变化。 基于启发式的算法-眼球运动，嘴唇运动和眨眼检测。 这些算法集尝试跟踪眼睛的移动并眨眼以确保用户没有举起其他人的照片（因为照片不会眨眼或移动其嘴唇）。 光流算法-检查从3D对象和2D平面生成的光流的差异和属性。 3D人脸形状类似于Apple iPhone的人脸识别系统，使人脸识别系统能够区分真实人脸和他人的打印输出/照片/图像。 以上各项的组合-使面部识别系统工程师能够选择适合其特定应用程序的活动检测模型。 iBeta Liveness质量ISO 演算法 高分辨率口罩，带眼，唇和鼻Kong 颜色纹理分析 深度学习CNN方法- 活