深度学习遇上活体检测：近期进展与挑战
计算机视觉与模式识别
2022-01-03 v1
摘要
面部生物特征识别作为一种替代传统认证系统的便捷方式，近来受到极大关注。因此，检测恶意攻击变得至关重要，引发了人脸反欺骗（FAS，即人脸呈现攻击检测）方面的广泛研究。与手工特征相反，深度特征学习与技术有望大幅提升FAS系统的准确率，应对此类系统实现真实世界应用的关键挑战。因此，一个致力于开发更具泛化性且更准确模型的研究领域正日益吸引学术界与工业界的注意。在本文中，我们对自2017年以来基于深度特征的FAS方法相关文献进行了全面综述。为阐明该主题，我们给出了基于各类特征与学习方法的语义分类法。此外，我们按时间顺序涵盖了FAS的主要公开数据集、其演进过程以及评估准则（包括数据集内与数据集间）。最后，我们讨论了开放的研究挑战与未来方向。
引用
@article{arxiv.2112.14796,
title = {Deep Learning meets Liveness Detection: Recent Advancements and Challenges},
author = {Arian Sabaghi and Marzieh Oghbaie and Kooshan Hashemifard and Mohammad Akbari},
journal= {arXiv preprint arXiv:2112.14796},
year = {2022}
}