PAD-Phys：利用生理信号进行人脸生物特征呈现攻击检测
计算机视觉与模式识别
2023-10-04 v1
摘要
呈现攻击检测（PAD）是人脸识别系统中的关键环节，可避免个人信息泄露或身份被冒用。近来，基于远程光电容积描记（rPPG）的脉搏检测已被证明在人脸呈现攻击检测中有效。本工作提出了三种基于rPPG的呈现攻击检测方法：（i）生理域，使用基于rPPG的模型的域；（ii）Deepfakes域，从生理域重新训练模型以用于特定Deepfakes检测任务的域；（iii）新的呈现攻击域，通过从前面两个域应用迁移学习训练，以提高区分真实样本与攻击样本的能力。结果显示了基于rPPG的模型在呈现攻击检测中的效率，表明当呈现攻击域与生理域和Deepfakes域相比时，平均分类错误率（ACER）降低了21.70%（从41.03%降至19.32%）。我们的实验凸显了基于rPPG的模型中迁移学习的效率，并在不允许复制该生理特征的仪器中表现良好。
引用
@article{arxiv.2310.02140,
title = {PAD-Phys: Exploiting Physiology for Presentation Attack Detection in Face Biometrics},
author = {Luis F. Gomez and Julian Fierrez and Aythami Morales and Mahdi Ghafourian and Ruben Tolosana and Imanol Solano and Alejandro Garcia and Francisco Zamora-Martinez},
journal= {arXiv preprint arXiv:2310.02140},
year = {2023}
}
备注
Preprint of the paper presented to the Workshop on IEEE 47th Annual Computers, Software, and Applications Conference (COMPSAC, 2023)