VoxAtnNet：一种用于可泛化人脸呈现攻击检测的 3D 点云卷积神经网络
计算机视觉与模式识别
2024-04-22 v1 密码学与安全
摘要
人脸生物识别是智能手机确保可靠且可信认证的重要组成部分。然而，人脸生物识别系统容易受到呈现攻击（PA）的威胁，且更复杂的呈现攻击工具（如 3D 硅胶人脸面具）的出现将使攻击者能够轻易欺骗人脸识别系统。在本工作中，我们提出了一种基于智能手机前置摄像头采集的 3D 点云的新型呈现攻击检测（PAD）算法，用于检测呈现攻击。所提出的 PAD 算法 VoxAtnNet 处理 3D 点云以进行体素化，从而保留空间结构。然后，使用新型卷积注意力网络对体素化的 3D 样本进行训练，以在智能手机上检测 PA。我们在新构建的 3D 人脸点云数据集上进行了大量实验，该数据集包含真实样本与两种不同的 3D PAI（3D 硅胶人脸面具与包裹照片面具），共计 3480 个样本。使用三种不同的评估协议，将所提出方法的性能与现有方法进行比较，以对检测性能进行基准测试。实验结果表明，所提出的方法在检测已知与未知的人脸呈现攻击方面均具有更优的性能。
引用
@article{arxiv.2404.12680,
title = {VoxAtnNet: A 3D Point Clouds Convolutional Neural Network for Generalizable Face Presentation Attack Detection},
author = {Raghavendra Ramachandra and Narayan Vetrekar and Sushma Venkatesh and Savita Nageshker and Jag Mohan Singh and R. S. Gad},
journal= {arXiv preprint arXiv:2404.12680},
year = {2024}
}
备注
Accepted in 2024 18th International Conference on Automatic Face and Gesture Recognition (FG)