监控场景下人脸呈现攻击检测挑战赛

人脸反欺骗(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，大多数研究缺乏对于长距离场景的考量。具体而言，相较于手机解锁、人脸支付、自助安检等传统场景中的 FAS，车站广场、公园、自助超市等长距离场景下的 FAS 同样重要，但尚未得到充分探索。为填补 FAS 领域的这一空白，我们收集了大规模监控高保真面具(SuHiFiMask)数据集。SuHiFiMask 包含来自 $10,195$ 个视频，涉及 $101$ 名不同年龄段受试者，由 $7$ 台主流监控摄像头采集。基于该数据集及用于评估算法在质量变化下鲁棒性的协议-$3$，我们组织了监控场景下的人脸呈现攻击检测挑战赛。赛事吸引了180支队伍参与开发阶段，共37支队伍进入最终轮。组委会对提交代码进行了复验与重跑，并以结果作为最终排名。本文给出挑战赛概览，包括所用数据集介绍、协议定义、评估指标及竞赛结果公布。最后，我们展示了排名靠前的算法以及竞赛为长距离监控场景攻击检测提供的研究思路。