近红外与可见光域内的谱内与跨谱虹膜呈现攻击检测
计算机视觉与模式识别
2023-02-28 v2
摘要
虹膜呈现攻击检测(PAD)对于保障虹膜识别系统安全至关重要。近期虹膜PAD方案通过利用深度学习技术取得了良好性能。然而，多数结果是在数据库内场景下报告的，尚不清楚此类方案能否跨数据库及跨光谱良好泛化。这些PAD方法在网络训练期间因二值标签监督而面临过拟合风险，这利于全局信息学习却削弱了对局部判别特征的捕获。本章提出一种新颖的基于注意力的深度像素级二值监督(A-PBS)方法。A-PBS利用像素级监督捕获细粒度像素/块级线索，并利用注意力机制引导网络自动寻找对准确PAD决策贡献最大的区域。在六个近红外和一个可见光虹膜数据库上进行了大量实验，以展示所提A-PBS方法的有效性与鲁棒性。我们还额外在数据库内/跨数据库及谱内/跨谱下进行了大量实验以作详细分析。实验结果表明了A-PBS虹膜PAD方法的泛化能力。
引用
@article{arxiv.2205.02573,
title = {Intra and Cross-spectrum Iris Presentation Attack Detection in the NIR and Visible Domains},
author = {Meiling Fang and Fadi Boutros and Naser Damer},
journal= {arXiv preprint arXiv:2205.02573},
year = {2023}
}
备注
Chapter of the Handbook of Biometric Anti-Spoofing (Third Edition). arXiv admin note: substantial text overlap with arXiv:2106.14845