跨数据库设定下的广义虹膜呈现攻击检测算法
计算机视觉与模式识别
2020-10-27 v1 密码学与安全
摘要
呈现攻击对大多数生物识别模态构成了重大挑战。虹膜识别作为被认为是最准确的个人身份识别生物模态之一，也已被证明易受高级呈现攻击（如 3D 隐形眼镜和纹理镜片）的攻击。尽管文献中提出了若干呈现攻击检测（PAD）算法，其一个显著局限是针对未见数据库、未见传感器和不同成像环境的泛化能力。为应对这一挑战，我们提出了一种基于深度学习的广义 PAD 网络 MVANet，其利用了多表示层。它受到混合算法或多检测网络融合的简洁性与成功性的启发。计算复杂度是训练深度神经网络的一个关键因素；因此，为在学习的多个特征表示层的同时降低计算复杂度，我们使用了固定的基模型。所提网络的性能在 IIITD-WVU MUIPA 和 IIITD-CLI 等多个数据库上于跨数据库训练-测试设定下进行了验证，以评估所提算法的泛化能力。
引用
@article{arxiv.2010.13244,
title = {Generalized Iris Presentation Attack Detection Algorithm under Cross-Database Settings},
author = {Mehak Gupta and Vishal Singh and Akshay Agarwal and Mayank Vatsa and Richa Singh},
journal= {arXiv preprint arXiv:2010.13244},
year = {2020}
}
备注
ICPR 2020, 8 pages, 7 figures, 4 tables