基于深度人脸表征的替身者可靠检测
计算机视觉与模式识别
2022-04-06 v2
摘要
替身者（或长相相似者）与非匹配比对试验中随机选取的人脸图像对相比，通常会在人脸识别系统中导致误匹配概率升高。在本工作中，我们使用最先进的人脸识别系统评估了替身者对 HDA Doppelgänger 与 Disguised Faces in The Wild 数据库的影响。研究发现，替身者图像对会产生极高的相似度分数，从而导致误匹配率显著上升。此外，我们提出了一种替身者检测方法，通过分析人脸图像对所获得的深度表征之间的差异，将替身者与非匹配比对试验区分开来。所提出的检测系统采用基于机器学习的分类器，该分类器利用人脸变形技术生成的替身者图像对进行训练。在 HDA Doppelgänger 与 Look-Alike Face 数据库上进行的实验评估表明，在区分非匹配身份验证尝试与替身者的任务上，检测等错误率约为 2.7%。
引用
@article{arxiv.2201.08831,
title = {Reliable Detection of Doppelg\"angers based on Deep Face Representations},
author = {Christian Rathgeb and Daniel Fischer and Pawel Drozdowski and Christoph Busch},
journal= {arXiv preprint arXiv:2201.08831},
year = {2022}
}
备注
accepted in IET Biometrics