一种用于人脸活体检测的集成模型
计算机视觉与模式识别
2022-01-25 v1
摘要
在本文中，我们提出了一种利用集成深度学习技术的被动方法来检测人脸呈现攻击（即人脸活体检测）。人脸活体检测是在线开户/交易过程中客户用户身份验证的关键步骤之一。在身份验证期间，未授权用户会尝试通过多种手段绕过验证系统，例如，他们可以从社交媒体捕获用户照片，并使用打印出的用户面孔或移动设备上的数字照片进行冒名攻击，甚至制造更复杂的攻击如视频重放攻击。我们试图理解不同的攻击方法，并创建了一个涵盖所有攻击类型的内部大规模数据集，以训练鲁棒的深度学习模型。我们提出了一种集成方法，通过学习人脸和背景区域的多种特征来预测用户是真实用户还是攻击者。
引用
@article{arxiv.2201.08901,
title = {An Ensemble Model for Face Liveness Detection},
author = {Shashank Shekhar and Avinash Patel and Mrinal Haloi and Asif Salim},
journal= {arXiv preprint arXiv:2201.08901},
year = {2022}
}
备注
Accepted and presented at MLDM 2022. To be published in Lattice journal