跨域人脸活体检测的单边对抗网络算法

doi:10.3778/j.issn.1002-8331.2210-0134

摘要/摘要

摘要：现有跨域人脸活体检测算法，其特征提取过程容易发生过拟合和缺乏特征聚合所导致的泛化性不足问题。针对该问题，提出了跨域人脸活体检测的单边对抗网络算法，将分组卷积与改进的倒残差结构融合替换普通卷积，降低网络参数同时加强人脸细粒度特征的表达能力，并引入自适应特征归一化模块，强调图像中人脸活体信息区域淡化无关背景区域，有效避免人脸活体信息的过拟合并加强来自不同源域的人脸活体检测能力。基于净VLAD引入通道注意力机制模块，通道注意力机制模块作为特征聚合网络的分支，学习不同源域中人脸局部特征的语义信息，有效增强对不同源域的人脸活体信息分类的泛化能力。设计两模块融合网络以提高未知场景下跨域人脸活体检测精度。在OULU-NPU、CASIA-FASD、MSU-MFSD和Idiap重放攻击数据集上的实验结果表明，该算法在跨数据集测试O＆C&M到I、O＆C&I到M、I&C&M到O、O＆M&I到C均有不错的表现，其中，在O&C&I到M以及O&M&I到C性能评估指标分别提升了0.99个百分点和0.5个百分点的精度。

关键词: 域泛化, 生成对抗网络, 人脸活体检测, 自适应归一化, 注意力机制

摘要：在现有的跨域人脸检测算法中，特征提取过程容易出现过拟合和缺乏特征聚集，导致泛化不足。为了解决这个问题，本文提出了一种用于跨域人脸体内检测的单边对抗网络算法。首先，融合分组卷积和改进的倒数残差结构来代替普通卷积，以减少网络参数，增强人脸细粒度特征的表达能力，并引入自适应特征归一化模块，强调人脸在体信息区域会淡化图像中不相关的背景区域。有效地避免了实时人脸信息的过拟合合并，增强了不同源域的人脸检测能力。其次，基于NetVLAD，介绍了信道注意机制模块。作为特征聚合网络的一个分支，通道注意机制模块学习不同源域中局部特征的语义信息，有效增强人脸实时信息分类在不同源域的泛化能力。最后，设计了一个两模块融合网络，以提高未知场景下跨域人脸检测的准确性。在OULU-NPU、CASIA-FASD、MSU-MFSD和Idiap Replay-Attack数据集上的实验结果表明，该算法在O&C&M to I、O&C&I to M、I&C&M to O和O&M&I to C的交叉数据集测试中具有良好的性能。其中，O&C&I到M和O&M&I到C的绩效评估指标的准确性分别提高了0.99个百分点和0.5个百分点。

关键词： 领域泛化，生成性对抗网络，人脸活度检测，自适应归一化，注意机制

曾凡智, 吴楚涛, 周燕. 跨域人脸活体检测的单边对抗网络算法[J] ●●●●。计算机工程与应用, 2024, 60(5): 103-111.

曾凡智，吴楚涛，周艳。单侧对抗网络算法的体内跨域人脸检测[J]。计算机工程与应用，2024,60（5）：103-111。

参考文献

[1] MASI I，WU Y，HASSNER T，et al.深度人脸识别：一项调查[C]//2018第31届SIBGRAPI图形、模式和图像会议，2018:471-478。
[2] 于泽，秦毅，李旭，等。面部防滑深度学习：一项调查[J]。arXiv:2106.149482021。
[3] 男？？TT？J、哈迪德A，皮提克？INEN M.基于微纹理分析的单幅图像人脸欺骗检测[C]//2011国际生物统计联合会议（IJCB），2011:1-7。
[4] BOULKENAFET Z，KOMULAINEN J，HADID A.使用加速鲁棒特征和fisher向量编码的人脸防滑[J]。IEEE信号处理快报，2016，24（2）：141-145。
[5] PATEL K，HAN H，JAIN A K。安全面部解锁：智能手机上的欺骗检测[J]。IEEE信息取证与安全交易，2016，11（10）：2268-2283。
[6] 杨杰，雷姿，李思姿.学习卷积神经网络在面部防滑中的应用[J]。arXiv:1408.56012014。
[7] ATOUM Y，LIU Y，JOURABLOO A，et al.使用基于补丁和深度的CNNs进行面部防滑[C]//2017 IEEE国际生物测量联合会议（IJCB），2017:319-328。
[8] 刘毅，JOURABLOO A，LIU X.学习人脸防滑深层模型：二进制或辅助监督[C]//IEEE计算机视觉和模式识别会议论文集，2018:389-398。
[9] 于Z，赵C，王Z，等.基于中心差分卷积网络的人脸消噪研究[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2020：5295-5305。
[10] 李斯，朱霞，冯刚，等.扩散面部防滑的活性线索[C]//第29届ACM国际多媒体会议论文集，2021:1636-1644。
[11] 于泽，秦毅，赵华，等.面部防滑双交叉中心差分网络[J]。arXiv:2105.012902021。
[12] 沈超, 何希平. 基于纹理特征增强和轻量级网络的人脸防伪算法[J] ●●●●。计算机科学, 2022, 49(1): 390-396.
沈C，何晓平.基于纹理特征增强和光神经网络的人脸防滑算法[J]。计算机科学，2022，49（1）：390-396。
[13] 王宏飞, 程鑫, 赵祥模, 等. 光流与纹理特征融合的人脸活体检测算法[J] ●●●●。计算机工程与应用, 2022, 58(6): 170-176.
王海峰，程旭，赵晓明，等.基于融合光流和纹理特征的人脸活性检测[J]。计算机工程与应用，2022，58（6）：170-176。
[14] 王杰，兰丙，刘丙，等。对看不见的领域的泛化：领域泛化综述[J]。IEEE知识与数据工程汇刊，2023，35（8）：8052-8072。
[15] SHAO R，LAN X，LI J，等.人脸呈现攻击检测的多变量判别深度域泛化[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2019:10023-10031。
[16] 贾毅，张杰，珊S，等.人脸防滑的单侧域泛化[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2020：8484-8493。
[17] 王杰，赵Z，金伟，等.基于词汇分离和自适应的跨域人脸呈现攻击检测[C]//第29届ACM多媒体国际会议论文集，2021:1497-1506。
[18] 刘S，张开义，姚T，等.自适应归一化-
可推广人脸反欺骗的演示学习[C]//第29届ACM国际多媒体会议论文集，2021：1469-1477。
[19] 蔡体健, 尘福春, 刘文鑫. 基于条件对抗域泛化的人脸活体检测方法[J] ●●●●。计算机应用研究, 2022, 39(8): 2538-2544.
蔡天杰，陈福川，刘文霞。基于条件对抗域泛化的人脸防滑方法[J]。计算机应用研究，2022，39（8）：2538-2544。
[20] 王志，王志，于志，等.基于洗牌风格组合的人脸防滑领域泛化[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2022:4123-4133。
[21]BOULKENAFET Z，KOMULAINEN J，LI L，et al.OULU-NPU:一个具有真实世界变体的移动人脸呈现攻击数据库[C]//2017第12届IEEE自动人脸和手势识别国际会议（FG 2017），2017:612-618。
[22]张泽，阎杰，刘斯，等.一个具有多种攻击的人脸防滑数据库[C]//2012年第五届IAPR国际生物测量大会，2012:26-31。
[23]CHINGOVSKA I，ANJOS A，MARCEL S.关于局部二进制模式在面部防滑中的有效性[C]//国际生物计量学特别兴趣小组会议记录，2012:1-7。
[24]WEN D，HAN H，JAIN A K.基于图像失真分析的人脸假冒检测[J]。IEEE信息取证与安全交易，2015，10（4）：746-761。
[25]SANDLER M，HOWARD A，ZHU M，et al.Mobilenetv2:倒置残差和线性瓶颈[C]//IEEE计算机视觉和模式识别会议论文集，2018:4510-4520。
[26]HOWARD A G，ZHU M，CHEN B，等.移动设备：用于移动视觉应用的高效卷积神经网络[J]。arXiv:1704.048612017。
[27]IOANNOU Y，ROBERTSON D，CIPOLLA R，et al.深层根源：使用分层过滤器组提高CNN效率[C]//IEEE计算机视觉和模式识别会议论文集，2017:1231-1240。
[28]刘Z，毛H，吴春英，等.面向21世纪20年代的会议[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2022:11976-11986。
[29]胡J，沈L，孙G.挤压与激励网络[C]//IEEE计算机视觉与模式识别会议论文集，2018:7132-7141。
[30]WOO S，PARK J，LEE J Y，et al.CBAM:卷积块注意模块[C]//欧洲计算机视觉会议论文集，2018:3-19。
[31]ARANDJELOVIC R，GRONAT P，TORII A，et al.NetVLAD:用于弱监督位置识别的CNN架构[C]//IEEE计算机视觉和模式识别会议论文集，2016:5297-5307。
[32]黄G，刘Z，Van Der Maaten L，等.密集连接卷积网络[C]//IEEE计算机视觉与模式识别会议论文集，2017:4700-4708。
[33]何凯，张X，任S，等.基于深度剩余学习的图像识别[C]//IEEE计算机视觉与模式识别会议论文集，2016:770-778。
[34]WEN D，HAN H，Jain A K.基于图像失真分析的人脸假冒检测[J]。IEEE信息取证与安全交易，2015，10（4）：746-761。
[35]BOULKENAFET Z，KOMULAINEN J，HADID A.使用颜色纹理分析的人脸欺骗检测[J]。IEEE信息取证与安全交易，2016，11（8）：1818-1830。
[36]FREITAS PEREIRA T，KOMULAINEN J，ANJOS A，等.基于动态纹理的人脸活性检测[J]。EURASIP图像和视频处理杂志，2014，2014（1）：1-15。