超越二维攻击的基于超图表示的人脸活体检测探索
计算机视觉与模式识别
2018-12-14 v2
摘要
人脸活体检测在保护人脸识别系统免受各类攻击方面起着关键作用。以往的基于模型与深度学习的方法对二维人脸 spoof 取得了令人满意的性能，但对于更先进的如生动面具等三维攻击仍显不足。本文中，我们通过提出的超图卷积神经网络（HGCNN）解决三维人脸活体检测问题。首先，我们利用超图上少数关键点构建计算高效且姿态不变的人脸表示。随后将该超图表示输入所设计的带超图卷积的 HGCNN 以提取特征，同时利用深度辅助信息进行三维面具活体检测。此外，我们构建了一个含彩色、深度与红外光信息的三维人脸攻击数据库，以克服三维人脸活体检测数据的不足。实验表明，我们的方法在各类测试下，于广泛使用的三维与二维数据库以及所提数据库上均达到了最先进（state-of-the-art）性能。
引用
@article{arxiv.1811.11594,
title = {Exploring Hypergraph Representation on Face Anti-spoofing Beyond 2D Attacks},
author = {Wei Hu and Gusi Te and Ju He and Dong Chen and Zongming Guo},
journal= {arXiv preprint arXiv:1811.11594},
year = {2018}
}