CLIPC8：基于图文对与对比学习的人脸活体检测算法
计算机视觉与模式识别
2023-11-30 v1
摘要
人脸识别技术广泛应用于金融领域，需要处理各类活体攻击行为。现有活体检测算法在特定训练集上训练并在测试集上测试，但其迁移到未知数据集时的性能与鲁棒性相对较差。为解决此问题，我们提出一种基于图文对与对比学习的人脸活体检测方法，将金融领域的活体攻击问题分为八类，并使用文本信息描述这八类攻击的图像。文本编码器与图像编码器分别用于提取分类描述文本与人脸图像的特征向量表示。通过最大化正样本相似度并最小化负样本相似度，模型学习图像与文本之间的共享表示。所提方法能够有效检测特定场景下的活体攻击行为，例如暗光环境下发生的攻击或涉及身份证照片篡改的攻击。此外，它对传统活体攻击方法（如打印照片攻击与屏幕翻拍攻击）同样有效。在 NUAA、CASIA-FASD、Replay-Attack、OULU-NPU 和 MSU-MFSD 五个公开数据集上的人脸活体检测零样本能力也达到商业算法水平。该算法的检测能力在 5 类测试数据集上得到验证，结果表明该方法优于商业算法，且在多个数据集上检测率达到 100%。证明了本文提出的将图文对与对比学习引入活体检测任务的有效性与鲁棒性。
引用
@article{arxiv.2311.17583,
title = {CLIPC8: Face liveness detection algorithm based on image-text pairs and contrastive learning},
author = {Xu Liu and Shu Zhou and Yurong Song and Wenzhe Luo and Xin Zhang},
journal= {arXiv preprint arXiv:2311.17583},
year = {2023}
}