FDSNet：基于光场相机的手背图像 spoof 检测网络
计算机视觉与模式识别
2018-12-19 v1
摘要
目前，生物识别系统可能易受伪造生物特征欺骗攻击的威胁，这对识别性能提出了巨大挑战。尽管已有大量呈现攻击检测（PAD）或活体检测算法，指纹传感器仍易受到伪造手指的欺骗。在此情形下，手背图像可被视为一种替代方案，其采集无需过多用户配合，且更适用于户外安全应用。本文首次给出了手背认证系统上欺骗攻击场景的可行性研究，包括打印纸、包裹打印纸、扫描与手机四种呈现攻击类型。本研究还提出了一种基于 CNN 的欺骗攻击检测方法，其采用了最先进的深度学习技术以及迁移学习机制。我们从 33 名受试者处采集了 196 张手背真实图像（使用 Lytro 相机拍摄），并构建了包含 784 张手背欺骗图像的数据集。大量实验结果证明了所提方法针对各类欺骗攻击的优越性。
引用
@article{arxiv.1812.07444,
title = {FDSNet: Finger dorsal image spoof detection network using light field camera},
author = {Avantika Singh and Gaurav Jaswal and Aditya Nigam},
journal= {arXiv preprint arXiv:1812.07444},
year = {2018}
}