利用深度模型与短波红外信息检测人脸呈现攻击
计算机视觉与模式识别
2020-07-23 v1
摘要
本文研究利用不同图像模态进行人脸呈现攻击检测的问题。特别地，考虑了短波红外（SWIR）成像的使用。人脸呈现攻击检测采用基于卷积神经网络的近期模型，仅以精心选取的 SWIR 图像差分作为输入。实验结果表明，其性能优于作用于彩色图像或多种模态组合（可见光、近红外、热与深度）的同类模型，也优于基于 SVM 且作用于 SWIR 图像差分的分类器。实验在一个新的公开且免费获取的数据库上开展，该库包含多种攻击。借助多个传感器录制了视频序列，生成了可见光、近红外、SWIR 与热光谱以及深度数据共 14 路不同流。所提出的最佳方法几乎能完美检测所有冒充攻击，同时保持较低的真实用户分类错误率。另一方面，所得结果显示 obfuscation 攻击更难以检测。我们希望所提出的数据库能推动这一挑战性问题的研究。最后，所有代码与复现实验的说明均已向研究界公开。
引用
@article{arxiv.2007.11469,
title = {Deep Models and Shortwave Infrared Information to Detect Face Presentation Attacks},
author = {Guillaume Heusch and Anjith George and David Geissbuhler and Zohreh Mostaani and Sebastien Marcel},
journal= {arXiv preprint arXiv:2007.11469},
year = {2020}
}