×

具有静态和动态特征的人脸活性检测方案。 (英语) Zbl 1404.94019号

摘要:人脸活跃度检测是基于人脸的在线认证中的一个重要研究课题。当前的人脸活性检测方法要么利用静态特征,要么利用动态特征,但不能同时利用两者。事实上,动态和静态特征在人脸活性检测中具有不同的优势。在本文中,我们提出了一种结合动态和静态特征的方案,以捕获它们的优点,用于人脸活性检测。首先,从视频中的帧间运动中捕获动态地图,以研究视频中人脸的运动信息。然后,利用卷积神经网络(CNN)分别从动态地图和帧图像中提取动态和静态特征。接下来,在CNN中,将包含动态和静态特征的完全连接层连接起来,形成一个融合特征。最后,将融合后的特征用于训练二值支持向量机分类器,该分类器将帧分为两类,即真假人脸帧。实验结果和相应的分析表明,该方案能够通过融合动态和静态特征来发现人脸活性,其性能优于当前最先进的人脸活性检测方法。

MSC公司:

94甲13 信息与通信理论中的探测理论
68T05型 人工智能中的学习和自适应系统
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Anjos,A.、Chakka,M.M.和Marcel,S.,面部识别中基于运动的照片攻击对抗措施,《Iet Biometr.3(3)》(2014)147-158。
[2] Bharadwaj,S.、Dhamecha,T.I.、Vatsa,M.和Singh,R.,《运动放大的计算效率人脸欺骗检测》,IEEE。Conf.计算机视觉和模式识别13(4)(2013)105-110。
[3] Bouguet,J.Y.,lucas kanade特征跟踪器算法的金字塔实现描述,Opencv Doc.22(2)(2000)363-381。
[4] Chingovska,I.、Anjos,A.和Marcel,S.,《局部二进制模式在面部防滑中的有效性》,生物统计学特别兴趣小组,2012年,第1-7页。
[5] Erdogmus,N.和Marcel,S.,《使用三维面具的欺骗人脸识别》,IEEE Trans。Inf.Forens公司。第9(7)节(2014)1084-1097。
[6] K.B.Housam、S.H.Lau、Y.H.Pang、Y.P.Liew和M.L.Chiang,基于改进局部图结构的人脸欺骗检测(2014)。
[7] Jee,H.K.、Jung,S.U.和Yoo,J.H.,嵌入式人脸识别系统的活体检测,Enformatika1(2006)235-238。
[8] Kim,S.、Yu,S.,Kim,K.和Ban,Y.,《使用可变聚焦进行面部活性检测》,国际生物计量学会议,2013年,第1-6页。
[9] Komulainen,J.、Hadid,A.和Pietikinen,M.,使用动态纹理的人脸欺骗检测,计算机视觉国际会议,2012年,第146-157页。
[10] Maatta,J.、Hadid,A.和Pietikainen,M.,使用纹理和局部形状分析从单个图像进行人脸欺骗检测,Iet Biometrics1(1)(2012)3-10。
[11] Maatta,J.、Hadid,A.和Pietikainen,M.,《使用微纹理分析从单个图像进行人脸欺骗检测》,《国际联合会生物统计学》,2011年,第1-7页。
[12] Menotti,D.、Chiachia,G.、Pinto,A.和Schwartz,W.Robson,虹膜、人脸和指纹欺骗检测的深度表示,IEEE Trans。Inf.Forens公司。安全10(4)(2014)864-879。
[13] Pan,G.,Sun,L.,Wu,Z.和Lao,S.,通用网络摄像头人脸识别中基于眨眼的防擦技术,IEEE Int.Conf.Computer Vision,ICCV 2007,巴西里约热内卢,2007年10月,第1-8页。
[14] Patel,K.、Han,H.和Jain,A.K.,《安全面部解锁:智能手机上的欺骗检测》,IEEE Trans。Inf.Forens公司。第11(10)节(2016)2268-2283。
[15] Pereira,T.D.F.、Anjos,A.、Martino,J.M.D.和Marcel,S.,《面对防滑对策在现实世界中是否有效?国际生物技术会议。,2013年,第1-8页。
[16] Pereira,T.D.F.、Komulainen,J.、Anjos,A.、Martino,J.M.D.、Hadid,A.、Pietikinen,M.和Marcel,S.,《使用动态纹理检测面部活力》,Eurasip J.图像视频处理,2014(1)(2014),第2页。
[17] Phan,Q.T.,Dang-Nguyen,D.T.,Boato,G.和Natale,F.G.B.D.,使用ldp-top的人脸欺骗检测,IEEE Int.Conf.Image Process。,2016年,第404-408页。
[18] Schwartz,W.R.、Rocha,A.和Pedrini,H.,通过偏最小二乘和低层描述符进行人脸欺骗检测,国际联合生物统计协会。,2011年,第1-8页。
[19] Siddiqui,T.A.,Bharadwaj,S.,Dhamecha,T.I.,Agarwal,A.,Vatsa,M.,Singh,R.和Ratha,N.,多功能视频集结面部防滑,国际Conf.模式识别。,2016年,第1035-1040页。
[20] Sun,Y.,Wang,X.和Tang,X..通过联合身份验证深入学习面部表征,Proc。计算机视觉和模式识别27(2014)1988-1996。
[21] Szegedy,C.、Vanhoucke,V.、Ioffe,S.、Shlens,J.和Wojna,Z.,《重新思考计算机视觉的初始架构》,计算。科学。(2015)2818-2826。
[22] Tan,X.,Li,Y.,Liu,J.和Jiang,L.,基于稀疏低阶双线性判别模型的单幅图像人脸活性检测,欧洲Conf.Compute。《愿景》,2010年,第504-517页。
[23] Tirunagari,S.、Poh,N.、Windridge,D.和Iorliam,A.,《使用视觉动力学检测人脸欺骗》,IEEE Trans。Inf.Forens公司。第10(4)节(2015)762-777。
[24] Wu,L.,Xu,X.,Cao,Y.,Hou,Y.和Qi,W.,《结合傅里叶统计和LBP的实时人脸检测》(Springer International Publishing,2014)。
[25] 吴,L.,徐,Y.,徐,X.,Qi,W.和Jian,M.,《结合静态和动态特征的面部活力检测方案》(Springer International Publishing,2016)。
[26] Yan,J.,Zhang,Z.,Lei,Z.和Yi,D.,通过探索多个风景线索进行面部活性检测,Int.Conf.Control Automatic。机器人。Vision,2012年,第188-193页。
[27] Zhang,Z.、Yan,J.、Liu,S.和Lei,Z.,《一个具有多种攻击的面部防滑数据库》,IAPR国际生物统计学会议,2012年,第26-31页。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。