基于显著性的视频摘要用于人脸活体检测

随着人脸呈现攻击检测数据库的日益可用，研究者越来越关注基于视频的人脸 anti-spoofing（活体检测）方法，其涉及数百至数千张图像用于训练模型。然而，目前对于视频中提升人脸欺骗检测的最佳帧数尚无明确共识。受视觉显著性理论启发，我们提出一种用于人脸活体检测的视频摘要方法，旨在通过利用视觉显著性提升深度学习模型的性能与效率。具体而言，从源图像的拉普拉斯与维纳滤波器输出之差中提取显著性信息，从而识别每帧中最具视觉显著性的区域。随后，源图像被分解为基本图像与细节图像，增强最重要信息的表示。接着基于显著性信息计算权重图，指示图像中每个像素的重要性。通过使用权重图线性组合基本与细节图像，该方法融合源图像以创建概括整个视频的单张代表性图像。所提方法的关键贡献在于展示了视觉显著性如何作为一种以数据为中心的方法，提升人脸呈现攻击检测的性能与效率。通过聚焦于图像中最显著的图片或区域，可创建更具代表性与多样性的训练集，潜在地导致更有效的模型。为验证方法有效性，使用了简单的 CNN-RNN 深度学习架构，实验结果在五个具挑战性的人脸活体检测数据集上展示了 SOTA（最先进）性能。