Aurora Guard：基于移动端光照系统的可靠人脸活体检测
计算机视觉与模式识别
2021-02-02 v1
摘要
移动端人脸认证已广泛应用于各种场景。尽管前沿的人脸认证/验证系统对眨眼和细微面部表情等变化日益可靠，但针对纸质照片或数字视频的高分辨率渲染重放的防伪攻击仍是一个开放问题。本文提出一种简单而有效的人脸防伪系统，称为 Aurora Guard (AG)。我们的系统首先通过光反射分析提取法向线索，然后采用端到端可训练的多任务卷积神经网络(CNN)精确恢复受试者的本征深度和材质图以辅助活体分类，并在回归分支中结合光 CAPTCHA 校验机制以进一步提升系统可靠性。在公开 Replay-Attack 和 CASIA 数据集上的实验证明了我们所提方法相对于现有最优方法的优势。我们还在包含 12,000 个活体与多样化伪造样本的大规模数据集上进行了充分实验，进一步验证了该方法在真实场景下的泛化能力。
引用
@article{arxiv.2102.00713,
title = {Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System},
author = {Jian Zhang and Ying Tai and Taiping Yao and Jia Meng and Shouhong Ding and Chengjie Wang and Jilin Li and Feiyue Huang and Rongrong Ji},
journal= {arXiv preprint arXiv:2102.00713},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:1902.10311