没有合适的资源?快使用搜索试试~ 我知道了~
人脸活体检测综述.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 27 浏览量
2023-02-23
20:18:21
上传
评论
收藏 481KB DOCX 举报
温馨提示
试读
33页
人脸活体检测综述.docx
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
人脸活体检测已经发展为保障人脸识别系统安全性的一个基本问题, 逐渐成为了人脸
识别整个处理流程中的一个重要环节, 亦是一个非常具有挑战性的问题.目前常见的假体人
脸有以下几种:
1) 照片类假体人脸
照片类假体人脸是指用照片纸、普通打印纸打印的黑白(如图 2 (a)所示)、彩色人脸照
片或者电子设备显示的电子照片.照片类假体人脸是二维人脸, 有完整照片假体人脸(如图 2
(b)和图 2 (c)所示)和挖去部分脸部区域的照片假体人脸(如图 2 (d)和图 2 (e)所示)两类, 挖
去的区域通常是眼部(如图 2 (d)所示)或者嘴部(如图 2 (e)所示)区域.照片类假体人脸可以平
铺在摄像头前(如图 2 (b)所示), 亦可弯曲地放在摄像头前(如图 2 (c)所示).社交网络的发展
使得假体人脸的制造者能够快速、方便地收集他人的人脸图像, 打印机的普及也使得打印
照片方便且成本低廉.因此, 照片类假体人脸是最常见的假体人脸.
图 2 不同类别假体人脸示例
Fig. 2 Examples of spoofing faces
下载: 全尺寸图片 幻灯片
2) 视频类假体人脸
视频类假体人脸是指通过手机、平板电脑或者其他电子显示设备播放的预先录制好的
人脸视频(如图 2 (f)所示).这些视频通常包含眨眼、点头、抬头、张嘴、唇部微运动等一些
动作信息, 用于迷惑人脸识别系统.
3) 面具类假体人脸
面具类假体人脸是指各类材质的三维人脸面具.此类假体人脸通常有塑料、乳胶、硅胶
材质的人脸面具、人脸模具等.塑料硅胶人脸面具有根据商家设计的人脸制作的面具(如图
2 (h)和图 2 (f)所示), 亦有根据用户提供的照片定制的人脸面具(如图 2 (j)和图 2 (k)所示),
其中, 图 2 (j)的制作方是 ThatsMyFace (thatsmyface.com), 图 2 (h)的制作方是 REAL-F (real-
f.jp).人脸模具指三维立体人头模块(如图 2 (l)所示), 一般不可以戴在脸上.
4) 合成的三维人脸模型类假体人脸
合成的三维人脸模型类假体人脸是指利用合法用户照片使用三维人脸软件合成的三维
人脸模型(如图 2 (m)所示).此类人脸模型通常以电子设备为媒介, 通过电子设备显示后攻击
人脸识别系统.
人脸活体检测的难点与挑战究其原因, 主要是假体人脸以假乱真的高质量以及假体人
脸的多种多样导致的, 具体可以从个体、类内和类间三个层面来看.
a) 个体. 人脸活体检测的任务是要识别当前获取的人脸图像是否来自有生命力的活体
人脸.基本解决思路是抽取活体人脸图像与假体人脸图像的差异作为分类线索.目前很多假体
人脸的制造工艺优良, 制造出来的假体人脸质量高, 经人脸检测对齐处理后的假体人脸图像
与活体人脸图像看起来非常相似.如图 3 所示, 人眼几乎很难分辨出这些人脸图像不是采集
于活体人脸而是照片类假体人脸.个体层次以假乱真的高质量使得人脸活体检测的难度大大
增加.
图 3 Replay-Attack 数据集中的假体人脸
Fig. 3 Spoofing faces of Replay-Attack
下载: 全尺寸图片 幻灯片
b) 类内. 同一类别的假体人脸虽然有共同的本质特征, 但是同一类别的不同假体人脸
也存在着较大差异.假体材质、制造方式、制造者、外界环境的不同都会导致同类别的不同
假体人脸的差异.比如说, 照片类假体人脸的材质有打印纸、照片纸、电子显示屏等.面具的
材质有塑料、乳胶、硅胶等.不同材质的同类别假体人脸成像时反射属性、纹理方面会存在
较大差异.不同的打印机、不同的电子显示设备、不同的生成厂家及其制造方式都会导致同
类别不同假体人脸在颜色分布、分辨率、外观质量等方面存在差异.同类别不同假体人脸的
成像效果也会根据人脸识别系统的摄像头、外界环境的差异而多种多样.这些类内的差异给
人脸活体检测算法带来了极大的困难.
c) 类间. 假体人脸的种类多种多样, 具体来说其品类有照片、视频、面具之分, 其材
质有纸质、电子显示屏、塑料、硅胶之分, 其结构有二维和三维之分.目前大部分人脸活体
检测算法都是根据具体的假体人脸类型设计具体的算法.假体人脸的类间差异使得抽取有效
而通用的特征同时去准确识别各类假体人脸与活体人脸的难度大大增加, 给人脸活体检测
算法带来了极大的挑战.不仅目前常见的假体人脸多种多样, 随着假体人脸制造技术的发展,
未来的假体人脸更是可能多种多样.人脸活体检测算法如何对这多种多样的未知假体人脸有
效而通用更是一个有挑战的问题.
2. 人脸活体检测方法
剩余32页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3642
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 以简单、易用、高性能为目标、开源的时序数据库,支持Linux及Windows, Time Series Database.zip
- python-leetcode面试题解之第198题打家劫舍-题解.zip
- python-leetcode面试题解之第191题位1的个数-题解.zip
- python-leetcode面试题解之第186题反转字符串中的单词II-题解.zip
- 一个基于python的web后端高性能开发框架,下载可用
- python-leetcode面试题解之第179题最大数-题解.zip
- python-leetcode面试题解之第170题两数之和III数据结构设计-题解.zip
- python-leetcode面试题解之第168题Excel表列名称-题解.zip
- python-leetcode面试题解之第167题两数之和II输入有序数组-题解.zip
- python-leetcode面试题解之第166题分数到小数-题解.zip
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
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功