人脸活体检测综述.docx资源-CSDN文库

版权申诉

27 浏览量 2023-02-23 20:18:21 上传评论收藏 481KB DOCX 举报

资源推荐

资源详情

资源评论

人脸活体检测是指辨别当前获取的人脸图像是来自活体人脸还是假体人脸的过程, 其

中活体人脸指有生命的真实人脸, 假体人脸指冒充真人身份的人脸仿冒品

[1]

.随着人脸识别

技术的广泛应用, 人脸活体检测作为保障人脸识别技术安全性的关键环节, 逐渐成为计算机

视觉、模式识别、人脸识别领域非常活跃的研究方向.

人脸活体检测研究具有重要的应用价值.深度学习的发展使人脸识别技术的性能有了质

的提升, 人脸识别技术具有自然、直观、易用等优点, 目前已广泛应用于智能安防、公安刑

侦、金融社保、智能家居、电子商务、人脸娱乐、医疗教育等领域, 应用场景丰富, 应用市

场潜力巨大.然而, 人脸识别技术的广泛应用亦使得人脸识别技术的安全性问题日益凸显.传

统的人脸识别研究专注于整体识别性能的提升, 如图 1 所示, 整体处理流程一般包含人脸

检测、人脸对齐、特征抽取、特征比对等环节, 其并不判断当前获取的人脸图像是来自活

体人脸还是假体人脸.随着智能手机和社交网络的蓬勃发展, 不法分子收集合法用户的人脸

图像, 制作假体人脸的渠道广、成本低.文献[2]利用合法用户在社交网络上发布的照片轻松

地经过了 6 个商业人脸识别系统 Face Unlock, FacelockPro, Visidon, Veriface, Luxand Blink

以及 FastAccess 的认证.目前人脸识别技术广泛应用于对安全性有较高要求的人员身份鉴定

场景, 若不法分子利用传统人脸识别技术的这个安全性隐患, 使用假体人脸成功冒用合法用

户身份, 从短期来看, 侵犯了合法用户的权益, 较大可能造成生命财产损失; 从长远来看,

亦会影响人脸识别技术的进一步广泛深入应用.因此, 如何准确识别活体人脸与假体人脸,

保障人脸识别技术的安全性成为一个亟待解决的问题.

图 1 传统人脸识别技术的安全性缺陷

Fig. 1 Vulnerability of conventional face recognition system

下载: 全尺寸图片幻灯片

人脸活体检测研究具有重要的学术价值.近年来, 国内外对人脸活体检测的研究活跃.瑞

士 Idiap 研究所、密歇根州立大学、奥卢大学、南洋理工大学、中国科学院自动化所、清

华大学、上海交通大学等都有团队从事人脸活体检测的研究. CVPR (IEEE Conference on

Computer Vision and Pattern Recognition)、ECCV (Europe Conference on Computer Vision)、

IEEE Transactions on Information Forensics and Security 等重要国际会议期刊上发表的人脸活

体检测相关论文数量大幅度增长.人类的智慧是无穷的, 假体人脸亦是各种各样, 层出不穷.

通过寻找活体人脸与假体人脸之间的可区分线索, 研究出准确率高、通用性强的人脸活体

检测算法, 不仅能够服务于人脸识别技术, 对于类似的纹理分类, 皮肤检测, 掌纹、静脉、

虹膜等生物识别领域亦能够提供思路启发.

鉴于人脸活体检测的重要研究价值, 相关研究者对人脸活体检测方法进行了综述.文献

[3]根据算法使用的技术对 2014 年前的人脸活体检测方法进行了综述.文献[4-5]对 2017 年已

有的人脸活体检测方法进行了综述.这些文献详细列举了目前存在的假体人脸类别, 对于假

体人脸的特性所造成的人脸活体检测问题没有更深入的分析, 而问题的剖析更有利于后期

有效方法的提出.因此, 有必要对假体人脸特性所造成的人脸活体检测的难点进行深入剖析.

除此之外, 这些文献主要对基于手工特征的方法进行了分析综述, 对于基于深度学习的方法

少有涉及.随着深度学习方法的发展, 不少研究者提出了基于深度学习的人脸活体检测方法.

相对于 2017 年前已有的人脸活体检测算法, 近年来出现的基于深度学习的人脸活体检测算

法很大程度上提升了人脸活体检测的性能.虽然目前基于深度学习的人脸活体检测算法也存

在一定的问题, 但是鉴于深度学习方法在人脸识别、物体分类等其他计算机视觉领域的应

用经验, 利用深度学习方法进行人脸活体检测的前景是可观的.因此, 有必要对基于手工特

征以及基于深度学习的人脸活体检测方法进行全面地综述和讨论, 以期为进一步的人脸活

体检测研究奠定一定的基础.

本文系统地综述了人脸活体检测相关研究进展, 并对未来发展趋势进行了展望. 本文

首先从人脸活体检测的问题出发, 从个体、类内、类间三个层面分析了假体人脸给人脸活

体检测带来的难点和挑战, 继而根据人脸活体检测算法的主要应用形式将主流算法分为交

互式人脸活体检测与非交互式人脸活体检测两大类进行梳理和总结, 详述了代表性方法的

原理、优势与不足.之后, 对人脸活体检测方面的主流数据库进行了整理, 对数据库的特

点、数据量、数据多样性方面进行了比较分析, 对算法评估常用的性能评价指标进行了阐

述, 总结分析了代表性人脸活体检测方法在照片视频类数据集 CASIA-MFSD、Replay-

Attack、Oulu-NPU、SiW 以及面具类数据集 3DMAD、SMAD、HKBU-MARsV2 上的性能

数据, 最后对人脸活体检测算法未来可能的发展方向进行了思考和探讨.

1. 人脸活体检测的难点与挑战

剩余32页未读，继续阅读

内容反馈

版权申诉

罗伯特之技术屋

粉丝: 3642
资源: 1万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip