后疫情时代基于口罩遮挡攻击的人脸防伪算法再评估
计算机视觉与模式识别
2024-08-26 v1
摘要
人脸防伪算法在人脸识别系统抵御呈现攻击的稳健部署中发挥着关键作用。传统上，此类系统需要完整的人脸图像才能正确验证个人身份，但当前COVID-19疫情导致的口罩广泛使用给这些生物特征认证系统带来了新的挑战。因此，在本工作中，我们研究了在合成面部遮挡（使用口罩和眼镜）下呈现攻击检测（PAD）算法的性能。我们使用了五种口罩变体来覆盖面部下半部分，覆盖面积各不相同（低覆盖、中覆盖、高覆盖、圆形覆盖），并利用了3D线索。我们还使用了覆盖面部上半部分的不同眼镜变体。我们使用基准数据集系统地测试了四种PAD算法在这些遮挡攻击下的性能。我们特别关注了四种不同的基线PAD算法，这些算法分别侧重于纹理、图像质量、帧差/运动以及通过卷积神经网络（CNN）提取的抽象特征。此外，我们引入了一种使用CNN和局部二值模式纹理的新型混合模型。我们的实验表明，添加遮挡会显著降低所有PAD算法的性能。我们的结果揭示了人脸防伪算法在遮挡情况下的脆弱性，这可能会影响此类算法在后疫情时代的使用。
引用
@article{arxiv.2408.13251,
title = {Re-evaluation of Face Anti-spoofing Algorithm in Post COVID-19 Era Using Mask Based Occlusion Attack},
author = {Vaibhav Sundharam and Abhijit Sarkar and A. Lynn Abbott},
journal= {arXiv preprint arXiv:2408.13251},
year = {2024}
}
备注
10 pages, This work was done in 2020