通过真实场景中学习偏振线索的人脸活体检测
计算机视觉与模式识别
2022-06-17 v3 机器学习
图像与视频处理
摘要
人脸活体检测是防止生物特征识别应用中安全漏洞的关键。现有的基于软件和基于硬件的人脸活体检测方法仅在受限环境或指定数据集上有效。使用RGB和红外图像的深度学习方法需要大量训练数据以应对新攻击。本文中，我们提出一种真实场景下的人脸活体检测方法，通过自动学习真实人脸与欺骗攻击在偏振图像中的物理特征差异来实现。我们开发了一个计算框架，利用卷积神经网络与SVM共同提取并分类独特的人脸特征。我们的实时偏振人脸活体检测（PAAS）方法采用片上集成偏振成像传感器与优化处理算法。大量实验表明，PAAS技术通过学习33人的偏振人脸图像，可在非受控室内外条件下有效抵御多种人脸欺骗攻击（打印、重放、面具）。我们发布了一个四方向偏振人脸图像数据集，以启发生物特征活体检测领域的未来应用。
引用
@article{arxiv.2003.08024,
title = {Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario},
author = {Yu Tian and Kunbo Zhang and Leyuan Wang and Zhenan Sun},
journal= {arXiv preprint arXiv:2003.08024},
year = {2022}
}
备注
14pages,8figures