基于时间眼动态的事件型活体检测：探索性方法
计算机视觉与模式识别
2026-04-30 v1
摘要
面部活体检测已广泛使用RGB摄像头进行研究，在受控条件下取得了强大的性能，但常在不同传感器和攻击场景下难以泛化。在本工作中，我们探索了使用事件相机作为活体检测的替代感知模组，基于时间眼动态进行检测。事件相机以微秒分辨率捕捉亮度稀疏、非同步的变化，使其能够精确分析快速眼动，如扫视。重播攻击无法忠实再现这些动态，由于时间重采样和显示器伪影，导致事件域中呈现独特的时空模式。我们设计了数据收集协议，将RGBE-Gaze扩展至重播攻击记录，生成事件型假冒对应物用于活体检测。我们分析来自眼区的事件驱动时序特征，并评估其对眼动分割和活体分类的有效性。我们的結果表明，事件表示能够可靠地区分真实与重放序列，在基于脉冲卷积神经网络的条件下实现最高95.37%的top-1准确率。这些初步发现凸显了基于事件的感知对于稳健且低延迟活体检测的潜力。
引用
@article{arxiv.2604.26285,
title = {Event-based Liveness Detection using Temporal Ocular Dynamics: An Exploratory Approach},
author = {Nicolas Mastropasqua and Ignacio Bugueno-Cordova and Rodrigo Verschae and Daniel Acevedo and Pablo Negri},
journal= {arXiv preprint arXiv:2604.26285},
year = {2026}
}
备注
Accepted at FG 2026 FME Workshop