-
题名人脸识别系统的活体检测综述
被引量：7
- 1
-
-
作者
马玉琨
徐姚文
赵欣
徐涛
王泽瑞
-
机构
河南科技学院人工智能学院
北京工业大学信息学部
河南科技学院信息工程学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2021年第7期1195-1206,共12页
-
基金
河南省自然科学基金(212300410145)
河南省高等学校重点科研项目(20B520009)
河南省科技攻关项目(212102210539)。
-
文摘
人脸识别系统的快速发展对人脸活体检测技术提出了新要求,包括检测实时性、面对复杂环境的泛化性、对多种攻击类型的鲁棒性以及用户体验的友好性等。主要阐述了人脸活体检测的必要性,对方法进行了分类、整理和总结,根据所提特征的不同,将活体检测分为基于手工特征的方法和基于深度学习的方法,并将近期针对算法泛化性的研究进展归纳为基于辅助监督信号方法、基于域适应域泛化的方法、基于特征解耦的方法、基于噪声建模的方法、基于异常检测的方法,对每类方法的代表性算法进行了分析介绍,详细总结了每类方法的基本思想和优缺点。从各方面系统地概括了人脸活体检测问题,包括不同类型的呈现攻击、先进的人脸活体检测方法、常用公共数据库、标准化评价指标、测试方法等的介绍。此外,还讨论了该领域的难点与挑战,总结了未来的研究方向和发展趋势。
-
关键词
人脸识别
活体检测
深度学习
纹理特征
-
Keywords
face recognition
presentation attack detection
deep learning
texture features
-
分类号
TP391.94
[自动化与计算机技术—计算机应用技术]
-
-
题名基于解耦空间异常检测的人脸活体检测算法
被引量：1
- 2
-
-
作者
徐姚文
毋立芳
刘永洛
王竹铭
李尊
-
机构
北京工业大学信息学部
-
出处
《信号处理》
CSCD
北大核心
2022年第12期2469-2485,共17页
-
基金
北京市教育委员会科技计划一般项目(KM201910005024)
北京市博士后科研活动经费资助(Q6042001202101)。
-
文摘
现有基于异常检测的方法大多仅利用活体样本进行单类建模,这样的特征用于活体检测的泛化能力强但准确率不高。而且,活体人脸特征单类建模并没有考虑活体人脸样本的多样性。活体人脸样本的不同身份、环境、采集设备等因素都会导致活体人脸的特征表达不紧凑,这样使得假体样本特征容易混入其中。为了解决以上两个问题,本文提出了一种基于解耦空间异常检测的人脸活体检测算法。本文设计了单中心对比损失,使得活体人脸特征在不限制假体人脸特征分布的情况下表达地更加紧凑。本文还对活体人脸进行了特征解耦,将其特征分为两个子空间:活体检测特征空间、活体无关特征空间。活体检测特征空间不受其他无关因素的影响,结合单中心对比损失来提高模型的泛化能力。库内实验和跨库实验共在5个数据集上与最新的方法进行了比较,在OULU-NPU数据集中,协议1相比于性能第2的模型错误率下降超过一半,最具挑战的协议4取得了仅3.3%的错误率;在SiW数据集的三个协议中也取得更低的错误检测率;在跨库实验中本文算法也表现出不错的泛化能力,尤其是在从重放攻击和打印攻击跨到3D面具攻击的跨攻击类型的测试中相比于性能第2的模型错误率下降5.41%。本文提出的人脸活体检测算法在检测性能和泛化性能上均优于其他先进方法,算法应对未知数据和新的攻击类型的能力有所提高。
-
关键词
人脸活体检测
异常检测
特征解耦
对比损失
泛化能力
-
Keywords
face anti-spoofing
anomaly detection
feature disentangling
contrast loss
generalization ability
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
