用于人脸与虹膜呈现攻击检测的深层卷积神经网络：综述与案例研究
计算机视觉与模式识别
2020-05-04 v2
摘要
生物特征呈现攻击检测正受到越来越多的关注。移动设备用户发现使用指纹、人脸或虹膜识别而非密码来解锁智能应用更为便捷。本文中，我们综述近期文献中提出的用于检测人脸和虹膜呈现攻击的方法。具体而言，我们研究了将极深卷积神经网络微调至人脸和虹膜反欺骗任务的有效性。我们在六个公开基准数据集上比较了两种不同的微调方法。结果表明这些深度模型在学习判别性特征方面的有效性，能以极低错误率区分真实与伪造生物特征图像。在人脸 PAD 上的跨数据集评估显示出优于当前最优方法的泛化能力。我们还首次在文献中报道了在虹膜 PAD 数据集上就相等错误率进行的跨数据集测试。此外，我们提出使用单个深度网络同时检测人脸和虹膜攻击。与分别针对单一生物特征训练的网络相比，我们未观察到精度下降。最后，我们结合图像频率分量分析了网络所学特征，以解释其预测决策。
引用
@article{arxiv.2004.12040,
title = {Deep convolutional neural networks for face and iris presentation attack detection: Survey and case study},
author = {Yomna Safaa El-Din and Mohamed N. Moustafa and Hani Mahdi},
journal= {arXiv preprint arXiv:2004.12040},
year = {2020}
}
备注
A preprint of a paper accepted by IET Biometrics journal and is subject to Institution of Engineering and Technology Copyright