基于多通道卷积神经网络的人脸生物特征呈现攻击检测
计算机视觉与模式识别
2019-09-20 v1 密码学与安全
摘要
人脸识别是一种主流的生物特征认证方法。然而，其对呈现攻击（又称欺骗）的脆弱性限制了其在无人监管应用中的可用性。尽管已有许多方法用于应对呈现攻击（PA），但大多数方法无法检测硅胶面具等复杂攻击。随着呈现攻击工具质量的不断提升，仅依靠可见光谱实现可靠的PA检测仍然极具挑战性。我们认为多通道分析可能有助于解决这一问题。在此背景下，我们提出了一种基于多通道卷积神经网络的呈现攻击检测（PAD）方法。我们还引入了用于人脸PAD的新的宽多通道呈现攻击（WMCA）数据库，其中包含针对冒充和 obfuscation 攻击的多种2D和3D呈现攻击。来自不同通道（如彩色、深度、近红外和热成像）的数据可用于推动人脸PAD研究。所提方法与基于特征的方法进行了比较，结果优于基线方法，在引入的数据集上取得了0.3%的ACER。该数据库和用于复现结果的软件已公开提供。
引用
@article{arxiv.1909.08848,
title = {Biometric Face Presentation Attack Detection with Multi-Channel Convolutional Neural Network},
author = {Anjith George and Zohreh Mostaani and David Geissenbuhler and Olegs Nikisins and Andre Anjos and Sebastien Marcel},
journal= {arXiv preprint arXiv:1909.08848},
year = {2019}
}
备注
16 pages