FaceSpoof Buster：一种基于本征图像属性与深度学习的呈现攻击检测器
计算机视觉与模式识别
2019-02-11 v1
摘要
如今，采用人脸识别作为生物特征认证系统已十分常见，主要因为这是一种最易获取的生物特征模态。依赖使用伪造生物特征样本（如打印纸张或真实访问的录制视频）绕过此类系统的技术被称为呈现攻击，在文献中也可能被称为人脸欺骗。呈现攻击检测是防止此类未经授权访问受限区域和/或设备的关键步骤。本文提出一种新方法，其依靠本征图像属性与深度神经网络的组合来检测呈现攻击尝试。我们的方法探索深度、显著性与光照图，并与预训练的卷积神经网络相关联以产生鲁棒且具判别性的特征。这些属性各自被单独分类，并在流程末端由元学习分类器组合，从而在最流行的 PAD 数据集上取得优异结果。结果表明，所提方法在跨数据集协议下能够超越最优结果，该协议被定义为文献中最具挑战性的协议。
引用
@article{arxiv.1902.02845,
title = {FaceSpoof Buster: a Presentation Attack Detector Based on Intrinsic Image Properties and Deep Learning},
author = {Rodrigo Bresan and Allan Pinto and Anderson Rocha and Carlos Beluzo and Tiago Carvalho},
journal= {arXiv preprint arXiv:1902.02845},
year = {2019}
}
备注
7 pages, 1 figure, 7 tables