为了提高安全性，当前常用的活体检测方法之一是采用双摄像头进行。这种方法同时利用两种不同的方式来进行活体检测。一般情况下，采用双摄像头的活体检测是非配合式的，即不需要用户按照提示进行眨眼、点头等动作，这对算法要求更高，但速度更快，也更加用户友好。非配合式活体检测根据成像源的不同，可以分为红外图像、3D结构光和RGB图像三种技术路线。这三种技术路线各有优劣，取决于不同的应用场景。

一、红外图像活体检测：

使用红外图像进行活体检测需要使用红外摄像头。红外图像可以滤除特定波段的光线，有效抵御基于屏幕的假脸攻击。无论是可见光还是红外光，本质上都是电磁波。物体的成像与其表面材质的反射特性密切相关。真实人脸和纸片、屏幕、立体面具等攻击手段的反射特性各不相同，因此成像效果也各不相同。这种表面材质的差异在红外波反射中更为明显。当屏幕上的人脸出现在红外摄像头前时，红外成像的画面中只会出现模糊不清的白色图像，甚至连人脸都无法显示，因此攻击无法成功。红外图像活体检测具有成本适中的特点，对于屏幕和纸张类攻击有出色的防御能力，并且对于面具类攻击也有良好的防御能力。

二、3D结构光活体检测：

采用3D结构光活体检测技术，使用结构光/TOF深度摄像头，通过引入“深度信息”概念，能够轻松区分纸质照片以及屏幕等二维媒介上的假脸攻击。文章开头提到，丰巢快递柜之所以被A4纸上的人脸照片欺骗，是因为其人脸识别设备没有3D结构光功能。

为了拍摄人脸时得到有关人脸区域的3D数据，并利用这些数据进行更深入的分析，以确定人脸是活体还是非活体，需要使用3D结构光技术和配备3D相机。

3D结构光可广泛应用于非活体检测，可适用于电子屏幕上的照片和视频，以及印刷在不同材质上的照片（甚至包括弯曲、折叠、剪裁、挖洞等情况）。关键在于如何选择最具区分度的特征来训练分类器，并利用训练好的分类器来区分活体和非活体，这是该检测方法的关键路径。

特点：3D结构光活体检测的成本最高，但效果最好，对屏幕、纸张和面具等攻击具有优秀的防御能力。

三、RGB图像：

RGB单目活体检测采用普通RGB摄像头即可，通过分析采集摩尔纹、成像畸形、反射率等人像破绽，从而获得活体检测所需要的识别信息，通过多维度的识别依据保证了识别的准确性。

特点：RGB活体检测应用历史较久，成本较低，对屏幕和纸张类攻击防御性良好，对面具类攻击防御性一般。

在具体产品中，要实现检测效果和成本的平衡，所以采用RGB和近红外双摄像头方案是一个性价比比较高的选择。如果一款人脸识别算法同时自带这两种活体检测功能，那是最好的。