利用CNN-LSTM架构增强人脸反欺骗中的运动线索
计算机视觉与模式识别
2019-01-18 v1
摘要
时空信息对于从视频序列中捕捉真实人脸与伪造人脸之间的判别性线索非常重要。为探索此类时间特征，视频帧间的细粒度运动（如眨眼、嘴部运动和头部摆动）非常关键。本文提出一种用于人脸反欺骗的联合CNN-LSTM网络，重点关注视频帧间的运动线索。我们首先使用传统的卷积神经网络（CNN）提取视频帧的高判别性特征。然后利用长短期记忆网络（LSTM）以提取的特征作为输入来捕捉视频中的时间动态。为确保细粒度运动在训练过程中更易被感知，采用欧拉运动放大作为预处理以增强个体所展现的面部表情，并将注意力机制嵌入LSTM中，以保证模型学会有选择地关注视频片段中的动态帧。在Replay Attack和MSU-MFSD数据库上的实验表明，与几种其他流行算法相比，所提方法取得了最先进的性能并具有更好的泛化能力。
引用
@article{arxiv.1901.05635,
title = {Enhance the Motion Cues for Face Anti-Spoofing using CNN-LSTM Architecture},
author = {Xiaoguang Tu and Hengsheng Zhang and Mei Xie and Yao Luo and Yuefei Zhang and Zheng Ma},
journal= {arXiv preprint arXiv:1901.05635},
year = {2019}
}
备注
20 pages; 3 figures; 3 tables