基于质量评估的手部图像欺骗检测
计算机视觉与模式识别
2021-10-26 v1
摘要
近期生物特征识别研究致力于实现高认证成功率并应对各类欺骗攻击的威胁。尽管手形识别对未授权访问提供了充分安全性，其仍易遭受呈现攻击。本文提出一种针对手部生物特征的反欺骗方法。通过评估真实与伪造手部图像的视觉质量来呈现攻击检测。提出一种基于阈值的梯度幅值相似性质量度量以区分真实与欺骗手样本。取自 Bogazici 大学手部数据库的 255 名受试者的视觉手图像被视为原始样本。相应地，从每个真实样本我们使用 Canon EOS 700D 相机获取一幅伪造图像。此类具自然退化的假手图像被用于基于电子屏幕显示的欺骗攻击检测。此外，我们通过向原始图像引入额外高斯模糊、椒盐噪声与散斑噪声，创建了另一具人工退化的假手数据集。从每个样本测量十种质量度量以分类原始与伪造手图像。分类实验使用 k-近邻、随机森林与支持向量机分类器，以及深度卷积神经网络进行。所提基于梯度相似性的质量度量使用 k-近邻与随机森林分类器取得了 1.5% 的平均分类错误。使用 MobileNetV2 深度网络进行区分原始与不同类型假手样本的基线评估获得了 2.5% 的平均分类错误。
引用
@article{arxiv.2110.12923,
title = {Spoofing Detection on Hand Images Using Quality Assessment},
author = {Asish Bera and Ratnadeep Dey and Debotosh Bhattacharjee and Mita Nasipuri and Hubert P. H. Shum},
journal= {arXiv preprint arXiv:2110.12923},
year = {2021}
}