监控场景下的人脸活体检测
计算机视觉与模式识别
2023-01-04 v1
摘要
人脸活体检测(FAS)对于保护人脸识别系统免受各种物理攻击至关重要。然而，近期研究普遍聚焦于短距离应用（如手机解锁），而缺乏对长距离场景（如监控安检）的考量。为推动相关研究与填补该领域空白，我们采集了在40个监控场景下拍摄的大规模监控高保真面具(SuHiFiMask)数据集，其包含来自不同年龄段群体的101名受试者，具有232个3D攻击（高保真面具）、200个2D攻击（海报、肖像与屏幕）以及2个对抗攻击。在此场景中，低图像分辨率与噪声干扰是监控人脸活体检测面临的新挑战。结合SuHiFiMask数据集，我们提出对比质量不变学习(CQIL)网络，从三方面缓解由图像质量引起的性能退化：（1）引入图像质量可变模块(IQV)，通过结合超分辨率网络恢复与判别相关的图像信息。（2）利用生成的样本对模拟质量方差分布，以帮助对比学习策略在质量变化下获得鲁棒特征表示。（3）设计独立质量网络(SQN)以学习与图像质量无关的判别特征。最后，大量实验验证了SuHiFiMask数据集的质量以及所提CQIL的优越性。
引用
@article{arxiv.2301.00975,
title = {Surveillance Face Anti-spoofing},
author = {Hao Fang and Ajian Liu and Jun Wan and Sergio Escalera and Chenxu Zhao and Xu Zhang and Stan Z. Li and Zhen Lei},
journal= {arXiv preprint arXiv:2301.00975},
year = {2023}
}
备注
15 pages, 9 figures