面向真实银行安全系统的跨域深度人脸匹配
计算机视觉与模式识别
2020-04-13 v3 机器学习
机器学习
摘要
确保交易安全目前是银行系统应对的主要挑战之一。由于人脸对用户生物特征认证具有便利性且为人们所接受，尤其在跨域场景中——即将身份证件中的人脸图像与数字自拍（selfies）进行比较，用于自动开立新支票账户或金融交易授权等——其正吸引全球银行的大量投资。实际上，自拍与证件的比较现今也已应用于其他多种任务中，例如自动出入境管控。该过程的主要困难在于减弱所比较人脸图像因其不同域而产生的差异。在这项工作中，除了收集一个大型跨域人脸数据集（包含从巴西主要公立银行数据库中获取的 27,002 张真实自拍与证件人脸图像，涉及 13,501 个主体）外，我们针对该跨域匹配问题提出了一种基于两个广受认可的卷积神经网络（CNN）提取深度特征的新颖架构。在所称作 FaceBank 的所收集数据集上获得的准确率高于 93% 的结果，证明了所提方法对跨域人脸匹配问题的鲁棒性及其在真实银行安全系统中的可行应用。
引用
@article{arxiv.1806.07644,
title = {Cross-Domain Deep Face Matching for Real Banking Security Systems},
author = {Johnatan S. Oliveira and Gustavo B. Souza and Anderson R. Rocha and Flávio E. Deus and Aparecido N. Marana},
journal= {arXiv preprint arXiv:1806.07644},
year = {2020}
}