基于深度人脸表征的化妆呈现攻击检测
计算机视觉与模式识别
2021-01-20 v2
摘要
面部化妆品能够大幅改变面部外观,从而可能对人脸识别的决策产生负面影响。此外,近期研究表明,化妆的应用可能被滥用以发起所谓的化妆呈现攻击。在此类攻击中,攻击者可能涂抹浓重妆容,以模仿目标主体的面部外观从而实现冒用。本文中,我们利用公开可用的化妆诱导人脸欺骗(MIFS)数据库,评估了商用现货(COTS)人脸识别系统对化妆呈现攻击的脆弱性。结果表明,化妆呈现攻击可能严重影响人脸识别系统的安全性。进一步,我们提出了一种攻击检测方案,通过分析潜在化妆呈现攻击与相应目标人脸图像所得深度人脸表征之间的差异,将化妆呈现攻击与真实认证尝试区分开来。所提检测系统采用基于机器学习的分类器,该分类器利用生成对抗网络进行面部妆容迁移并结合图像扭曲来合成生成的化妆呈现攻击进行训练。基于 MIFS 数据库的实验评估显示,在区分真实认证尝试与化妆呈现攻击的任务上,检测等错误率为 0.7%。
引用
@article{arxiv.2006.05074,
title = {Detection of Makeup Presentation Attacks based on Deep Face Representations},
author = {Christian Rathgeb and Pawel Drozdowski and Christoph Busch},
journal= {arXiv preprint arXiv:2006.05074},
year = {2021}
}
备注
published at 25th International Conference on Pattern Recognition (ICPR'2020)