在图像分辨率与采集距离变化下即时边境管控场景中可靠的人脸变形攻击检测
计算机视觉与模式识别
2022-10-03 v1
摘要
人脸识别系统（FRS）易受直接与间接实施的各类攻击。其中，人脸变形攻击极具欺骗自动FRS与人类观察者的潜力，并构成严重安全威胁，尤其在边境管控场景中。本工作提出一种人脸变形攻击检测，特别针对即时（OTF）自动边境管控（ABC）场景。我们提出一种新颖的差分MAD（D-MAD）算法，基于从六种不同的预训练深度卷积神经网络（CNNs）计算所得深度特征的球面插值与分层融合。基于公开可用的SCFace数据集，考虑自动边境管控（ABC）闸机的真实场景，在新生成的人脸变形数据集（SCFace-Morph）上开展广泛实验。设计实验协议以针对不同相机分辨率与采集距离，对提出的方法与最先进（SOTA）的D-MAD技术进行基准评测。所得结果表明，相较现有方法，所提D-MAD方法具有更优性能。
引用
@article{arxiv.2209.15474,
title = {Reliable Face Morphing Attack Detection in On-The-Fly Border Control Scenario with Variation in Image Resolution and Capture Distance},
author = {Jag Mohan Singh and Raghavendra Ramachandra},
journal= {arXiv preprint arXiv:2209.15474},
year = {2022}
}
备注
The paper is accepted at the International Joint Conference on Biometrics (IJCB) 2022