-
指令下发：系统通过屏幕提示或语音，给出一个或多个随机动作指令。 -
动作执行与采集：用户在摄像头前按照指令完成动作，摄像头同步录制一段短视频。 -
轨迹分析与判断：算法会实时追踪人脸关键点（如眼角、嘴角、鼻尖）的运动轨迹。它会分析这些点的运动是否符合指令要求（如眨眼时眼睑的闭合与张开）、运动是否自然流畅、以及是否存在3D空间的深度变化（如点头时鼻子大小的细微变化）。
-
防御性强：能有效防御静态（照片）和动态（视频）攻击。一张照片或一段预先录制的视频无法响应随机的、实时的动作指令。 -
用户体验直观：操作简单，用户易于理解和执行。 -
技术相对成熟：基于计算机视觉的动作追踪算法已经非常成熟，准确率高。
-
体验略繁琐：需要用户主动配合，可能会影响使用的流畅性，对部分特殊人群（如行动不便者）不够友好。 -
存在被高精度3D模型破解的风险：如果攻击者拥有足够精细的3D头模，并能够通过程序驱动它完成指令动作，理论上存在被破解的可能（尽管成本极高）。
-
发射光序列：设备屏幕会在极短时间内快速显示一系列颜色和亮度规律变化的图像（通常是RGB色彩模式），这些变化非常快速且微妙，人眼几乎难以察觉。 -
面部反射与采集：屏幕光照射到用户脸上，摄像头同步捕捉人脸区域的反射光。 -
活体特征分析：这是最关键的一步。真人皮肤的皮下有血液流动，是具有特定透射和反射特性的非刚性材质。当屏幕光打在脸上时，皮肤会对不同波长的光产生独特的吸收和反射，形成一种带有生命特征的“光纹”。而照片或屏幕（攻击视频的载体）是平面，其反射光是直接的、僵硬的，缺乏这种生物特性。算法通过分析反射光信号的序列模式，即可判断是否为活体。
-
用户体验极佳：用户只需正常面对摄像头，无需任何动作，整个过程快速无感。 -
防御维度独特：从材质的光学特性入手，能有效区分皮肤与纸张、屏幕等非生命材质，对屏幕翻拍（视频）攻击有奇效。 -
安全性高：由于依赖于皮肤的生物学特性，即便是高精度的3D面具也难以完美复刻真实皮肤的透反射效果。
-
对环境光敏感：在强环境光干扰下，屏幕发射的光信号可能会被淹没，影响检测精度。 -
对设备有要求：需要屏幕和摄像头能够精确配合，以实现毫秒级的光序列发射与采集。
