> For the complete documentation index, see [llms.txt](https://doc.ozforensics.com/oz-knowledge-ru/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doc.ozforensics.com/oz-knowledge-ru/obshaya-informaciya/opisanie-sistemy-oz-forensics/proverki-liveness-face-matching-black-list.md).
# Проверки Liveness, Face Matching, Collection
В этой статье вы найдете описание основных типов анализов, которые может делать программное обеспечение Oz.
* **Liveness** проверяет наличие живого человека на фото или видео.
* **Face Matching** сравнивает два или более медиафайла, определяя уровень сходства между запечатленными на фото или видео людьми.
* **Collection** ищет сходства между лицом человека, запечатленного на фото или видео, и лицами в заранее созданной базе фотографий.
Эти анализы доступны в Oz API как для модели SaaS, так и для локальной установки наших продуктов. Детальная информация по моделям использования находится [здесь](/oz-knowledge-ru/obshaya-informaciya/opisanie-sistemy-oz-forensics/modeli-ispolzovaniya-saas-lokalnaya-ustanovka-i-analiz-na-ustroistve.md).
### Liveness
Проверка Liveness используется для защиты от двух видов атак.
> Презентационная атака (или спуфинг-атака) — это попытка человека обмануть систему распознавания лиц «физически», демонстрируя камере видеоролик, фотографию или другой тип медиафайла, лицо на котором похоже на лицо нужного человека. К презентационным атакам относятся также использование реалистичных масок или грима.
> Инъекционная атака — это попытка человека обмануть систему распознавания лиц программным образом, подменяя входящие данные с имеющейся камеры заранее снятым фото или видео или манипулируя выходными данными имеющейся камеры еще до передачи их системе распознавания лиц. Наиболее частый инструмент инъекционных атак — виртуальные камеры.
Oz Liveness распознает оба типа атак:
* презентационные атаки — с помощью любых компонентов,
* инъекционные атаки — с помощью Oz Liveness SDK.
Подробная информация о том, как противостоять описанным атакам, содержится в наших руководствах по интеграции:
[Как интегрировать Oz Liveness с использованием Instant API (режима без сохранения данных)](/oz-knowledge-ru/obshaya-informaciya/kratkie-rukovodstva-po-integracii/kak-integrirovat-oz-liveness-s-ispolzovaniem-instant-api-rezhima-bez-sokhraneniya-dannykh.md)
[Как интегрировать Oz Liveness в ваше веб-приложение](/oz-knowledge-ru/obshaya-informaciya/kratkie-rukovodstva-po-integracii/kak-integrirovat-oz-liveness-v-vashe-veb-prilozhenie.md)
[Как интегрировать Oz Liveness в ваше мобильное приложение](/oz-knowledge-ru/obshaya-informaciya/kratkie-rukovodstva-po-integracii/kak-integrirovat-oz-liveness-v-vashe-mobilnoe-prilozhenie.md)
[Как запустить биометрический анализ (сопоставление лиц)](/oz-knowledge-ru/obshaya-informaciya/kratkie-rukovodstva-po-integracii/kak-zapustit-biometricheskii-analiz-sopostavlenie-lic.md)
По завершении проверки Liveness вы можете оценить результаты.
Описание результатов
* SUCCESS — анализ успешно завершен, проблем не обнаружено,
* DECLINED — проверка не пройдена (лица принадлежат разным людям).
Если анализ еще не завершен, результат может быть PROCESSING (идет процесс обработки) или FAILED (завершить анализ не удалось, возникли ошибки).
Если вы отправили на анализ несколько медиафайлов, общий результат будет SUCCESS только в том случае, если анализ по каждому из файлов завершился со статусом SUCCESS.
Практика просить пользователей сделать что-либо на камеру во время записи видео, например улыбнуться или повернуть голову, достаточно распространена. Наши SDK тоже могут распознавать жесты, однако выполняемый жест никак не повлияет на проверку Liveness — при соответствующем анализе нейронные сети учитывают другие факторы. Более подробно это описано в статье [Пассивный и активный Liveness](/oz-knowledge-ru/obshaya-informaciya/opisanie-sistemy-oz-forensics/liveness-gestures.md).
Также при проверке Liveness может сохраняться best shot (лучший кадр) — это наиболее качественный кадр из всего видео, изображение, на котором лучше всего видно лицо.
### Face Matching (сравнение лиц)
С помощью биометрической проверки можно сравнить несколько медиафайлов и определить, принадлежат ли запечатленные на них лица одному и тому же человеку или нет. В качестве файлов-источников могут выступать видеоролики, изображения или скан-копии документов с фотографиями. Для успешного завершения проверки необходимо не менее двух медиафайлов.
Описание результатов
* SUCCESS — анализ успешно завершен, проблем не обнаружено,
* DECLINED — проверка не пройдена (лица принадлежат разным людям).
Если анализ еще не завершен, результат может быть PROCESSING (идет процесс обработки) или FAILED (завершить анализ не удалось, возникли ошибки).
Если вы отправили на анализ несколько медиафайлов, общий результат будет SUCCESS только в том случае, если анализ по каждому из файлов завершился со статусом SUCCESS.
Узнать о том, как внедрить технологию Face Matching в ваши процессы, вы можете в наших [руководствах по интеграции](/oz-knowledge-ru/obshaya-informaciya/kratkie-rukovodstva-po-integracii/sravnenie-lic.md).
### Collection (черный список, 1:N)
В Oz API вы можете создать одну или более коллекцию изображений лиц — то есть базу данных фотографий. Collection проводит сравнение лица с только что сделанного фото или только что снятого видео с лицами из этой базы данных и показывает, присутствует ли в ней этот человек.
Описание результатов
* SUCCESS — анализ успешно завершен, проблем не обнаружено,
* DECLINED — проверка не пройдена (лица принадлежат разным людям).
Если анализ еще не завершен, результат может быть PROCESSING (идет процесс обработки) или FAILED (завершить анализ не удалось, возникли ошибки).
Если вы отправили на анализ несколько медиафайлов, общий результат будет SUCCESS только в том случае, если анализ по каждому из файлов завершился со статусом SUCCESS.
Больше об типах анализов и о том, что они проверяют, вы можете прочитать [здесь](/oz-knowledge-ru/rukovodstva/rukovodstvo-razrabotchika/api/oz-api/types-of-analyzes.md).
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.
Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:
```
GET https://doc.ozforensics.com/oz-knowledge-ru/obshaya-informaciya/opisanie-sistemy-oz-forensics/proverki-liveness-face-matching-black-list.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.