FRT-PAD：由人脸相关任务驱动的高效呈现攻击检测
计算机视觉与模式识别
2022-08-02 v2
摘要
呈现攻击检测（PAD）方法的鲁棒性与泛化能力对于保障人脸识别系统（FRSs）的安全至关重要。然而，在实际场景中，呈现攻击（PAs）形式多样，难以预测攻击者将使用的呈现攻击工具（PAI）种类。现有 PAD 方法高度依赖有限的训练集，无法很好地泛化至未知 PAI 种类。与此特定 PAD 任务不同，其他由海量真实人脸训练的人脸相关任务（如人脸识别与属性编辑）可有效应用于不同场景。受此启发，我们提出在人脸系统中调换 PAD 与人脸相关工作的位置，将人脸相关任务中免费获取的先验知识应用于解决人脸 PAD，从而提升检测 PAs 的泛化能力。所提方法首先引入来自其他人脸相关任务的特定任务特征，随后设计基于图注意力网络（GAT）的跨模态适配器将该类特征重映射以适配 PAD 任务。最后，利用基于 CNN 的 PA 检测器层次特征与重映射特征实现人脸 PAD。实验结果表明，在复杂混合数据集上，与 SOTA 方法相比，所提方法取得显著提升。特别是在 OULU-NPU、CASIA-FASD 与 Idiap Replay-Attack 数据集上训练时，在测试数据集 MSU-MFSD 上获得 5.48% 的 HTER（半总错误率），优于基线 7.39%。
引用
@article{arxiv.2111.11046,
title = {FRT-PAD: Effective Presentation Attack Detection Driven by Face Related Task},
author = {Wentian Zhang and Haozhe Liu and Feng Liu and Raghavendra Ramachandra and Christoph Busch},
journal= {arXiv preprint arXiv:2111.11046},
year = {2022}
}
备注
Accepted by ECCV 2022