一种基于视差图的非标定系统多模态人脸活体检测方法
计算机视觉与模式识别
2025-01-17 v3 人工智能
摘要
人脸识别技术在各种应用中日益普及，但它们容易受到人脸欺骗攻击。这些欺骗攻击通常涉及独特的3D结构，例如打印的纸张或移动设备屏幕。尽管立体深度相机可以有效检测此类攻击，但其高成本限制了其广泛应用。相反，没有外部标定的双传感器系统提供了一种成本效益高的替代方案，但无法使用立体技术计算深度。在这项工作中，我们提出了一种方法来克服这一挑战，即利用面部属性推导视差信息并估计相对深度，用于非标定系统的活体检测目的。我们引入了一个多模态活体检测模型，称为视差模型，该模型将创建的视差图作为第三种模态，与两个原始传感器模态一起纳入。我们使用从Intel RealSense ID Solution F455收集的综合数据集，展示了视差模型在应对各种欺骗攻击方面的有效性。我们的方法优于文献中的现有方法，在假正率为1%时，实现了1.71%的等错误率和2.77%的假阴性率。这些错误率分别比最佳对比方法的错误率低2.45%和7.94%。此外，我们还引入了一个模型集成，该集成也能应对3D欺骗攻击，在假正率为1%时，实现了2.04%的等错误率和3.83%的假阴性率。总的来说，我们的工作为缺乏深度信息的非标定系统中具有挑战性的活体检测任务提供了一种最先进的解决方案。
引用
@article{arxiv.2410.24031,
title = {A Multi-Modal Approach for Face Anti-Spoofing in Non-Calibrated Systems using Disparity Maps},
author = {Ariel Larey and Eyal Rond and Omer Achrack},
journal= {arXiv preprint arXiv:2410.24031},
year = {2025}
}