Détection du vivant (liveness detection)

Détection du vivant (liveness detection) de PresentID peut reconnaître si la personne devant la vidéo est réelle ou non. Il peut détecter si l’utilisateur est physiquement présent et empêche les masques, les photos ou les deepfakes vidéo de tromper le système. Nous utilisons les algorithmes d’apprentissage profond du réseau neuronal convolutif (CNN) pour prévenir la fraude.

Dans notre solution, il existe des processus côté client et côté serveur. Chaque côté se compose de plusieurs algorithmes d’apprentissage automatique.

Nos processus côté client sont effectués avec notre SDK client fourni pour iOS, Android et Web. Dans le SDK client, nous vérifions que le visage doit être dans l’appareil photo tout au long de la procédure et si nous ne pouvons pas trouver le visage dans toutes les images, le processus est arrêté. En outre, nous vérifions le regard et la pose de la tête de l’utilisateur dans chaque cadre. Le modèle de regard est utilisé pour vérifier la proximité des yeux (si l’utilisateur dort ou non)

La vérification de la pose de la tête est utilisée pour éviter la diversité des données. Cela aide notre modèle de vivacité 3D à s’entraîner mieux et plus facilement. Cette détection de regard et de pose ne complique pas l’acte de l’utilisateur aussi le système est plus sûr. En outre, dans toute la procédure, un utilisateur doit ajuster son visage sur un ovale. Nous générons l’ovale aléatoire dans la position aléatoire des écrans. Afficher un ovale aléatoire dans des positions aléatoires à l’écran présente deux avantages. Tout d’abord, cela empêche l’injection.De plus, nous collectons 30 images côté client.

Côté serveur, notre modèle anti-usurpation de visage 3D, etant un modèle convolutif; a été formé sur la base de nos données utilisant 30 images vidéo et extrait une carte de profondeur capable de détecter la profondeur ainsi détecter les attaques par usurpation en fonction de la profondeur. Fournir des données pour les modèles de formation était le principal défi. Notre équipe collecte un grand ensemble de données à partir de notre première application de présence.

En outre, nous avons exploré les réseaux sociaux pour collecter un grand ensemble de données vidéo, puis nettoyer et créer des données usurpées à partir de ceux-ci.

Techniques et domaines

Le traitement des images vidéo prend 2-5 secondes côté client et moins de 1,5 seconde côté serveur avec un processeur Core i7.
 Côté serveur basé sur le processeur.
 Vérifiez la 3-Dimensionnalité.
 Vérifier l’identité.
 Super avec des lunettes, du maquillage et des barbes
 Pour tous les appareils intelligents et webcams modernes.
 Prise en charge des appareils iOS, Android.
 SDK et API du client Web.
 Intégration facile avec votre application

Cas d’utilisation
Systèmes de présence
Sites de rencontres
Services bancaires
Identification des visiteurs et contrôle d'
Service accéléré
D'accès
Contrôle d'accès
Sécurité publique
Prévention de la fraudebr
KYC

Les SDK sont disponibles pour iOS, Android, Linux ou Windows si vous souhaitez utiliser notre SDK de détection de vivacité , envoyez-nous simplement une demande via ce formulaire
PresentID | Loading