基于骨架的人体动作识别的对抗攻击
计算机视觉与模式识别
2019-09-17 v1
摘要
深度学习模型在基于骨架的人体动作识别中取得了令人印象深刻的性能。然而，由于这些模型必须具有表示稀疏且离散骨架关节的复杂时空特性，其对对抗攻击的鲁棒性仍很大程度上未被探索。本工作提出了首个针对基于图卷积网络的骨架动作识别的对抗攻击。所提出的目标攻击称为骨架动作约束迭代攻击（CIASA），其扰动动作序列中的关节位置，使得生成的对抗序列保持骨架的时间相干性、空间完整性与拟人合理性。CIASA 通过满足多重物理约束，并采用空间骨架重对齐以及利用生成网络对对抗骨架进行正则化来实现这一成果。我们还探索了 CIASA 在语义上难以察觉的局部攻击的可能性，并成功以高置信度欺骗了最先进的骨架动作识别模型。CIASA 扰动对黑盒攻击表现出高迁移性。我们还表明，经扰动的骨架序列能够在计算机图形生成的 RGB 视频中诱导对抗行为。使用 NTU 与 Kinetics 数据集的综合评估确认了 CIASA 对基于图的骨架动作识别的有效性，并揭示了时空深度学习任务普遍面临的紧迫威胁。
引用
@article{arxiv.1909.06500,
title = {Adversarial Attack on Skeleton-based Human Action Recognition},
author = {Jian Liu and Naveed Akhtar and Ajmal Mian},
journal= {arXiv preprint arXiv:1909.06500},
year = {2019}
}