一：dlib的shape_predictor_68_face_landmarks模型 该模型能够检测人脸的68个特征点（facial landmarks），定位图像中的眼睛，眉毛，鼻子，嘴巴，下颌线（

里面有好多3D面具，用于训练人脸活体检测模型。上传的是百度网盘链接。

目前质量最好的平面呈现攻击检测数据集了。上传的是百度网盘链接。

针对人脸识别系统中出现的通过照片或视频“欺诈”解锁问题，提出一种活体检测方法，通过随机指令判断被检测对象是否为真人。利用HOG特征和随机森林算法对摄像头采集的图像进行人脸检测，预测脸部68个特征点位置，把68个特征点位置和脸部位置的相对位置归一化后作为姿态的特征，提取的姿态特征与SVM分类器相结合，训练出分类效果较好的头部姿态估计分类器。通过多次实验，对特征提取方法进行优化，进一步提高检测准确率。最后，使用随机互动式命令序列对被检测人发出指令，实现活体检测。该方法对头部姿态估计具有较高的鲁棒性，并且可以有效地防范照片和视频认证攻击。

人脸活体检测12个方法

Zeusee配合型人脸活体检测 在移动端进行人脸识别应用开发的时候，经常存在用户会使用翻拍照片录制录像等来欺骗人脸识别系统，因此活体检测是人脸识别和人脸验证中非常重要的一个部分，同时目前开源活体检测代码的补充，但配合型活体检测实现相对比较简单，因此我们可以做到简单的实现，并并进行了所有的代码。 更新 增加了基于IntraFace活体检测（2018.03.30） 单目配合型活体检测 由于移动端传感器的有限性，在广泛只有单个现有放置摄像机的情况下，非配合型的人脸活体检测实现相对比较复杂。需要的数据成本也相对较高。而配合性活体检测仅需要通过用户简单的低头摇头操作即可极大降低用户的欺骗攻击成本。 基本

人脸活体检测，检测是拍摄的图片还是翻拍手机的照片。

人脸活体检测是为了提高人脸识别系统安全性而需要重点研究的问题.本文首先从人脸活体检测的问题出发, 分个体、类内、类间三个层面对人脸活体检测存在的困难与挑战进行了阐述分析.接下来, 本文以算法使用的分类线索为主线, 分类别对人脸活体检测算法及其优缺点进行了梳理和总结.

C++ dlib红外深度人脸识别活体检测程序,最近在作这方面的东西，找了很久的资料，看了很多东西，这个是调试通过了的。需要加入dlib,opencv才能运行。希望对大家用用。红外双目

基于深度学习和特征融合的人脸活体检测算法.pdf