Sep, 2019

基于多通道卷积神经网络的生物特征面部呈现攻击检测

PDF
TL;DR本研究提出了一种基于多通道卷积神经网络的面部攻击检测方法，以解决面部生物识别在非监督应用中易受攻击的问题，并引入了新的宽多通道演示攻击数据库用于面部演示攻击研究。研究结果表明该方法优于现有特征提取方法，能够在 WMCA 数据库上实现 0.3% 的 ACER 性能，并已开放该数据库和相关软件供公共使用。
face recognitionpresentation attack detectionconvolutional neural networkmulti-channel analysiswide multi-channel presentation attack database
发现论文，激发创造
  • 利用多通道卷积神经网络学习人脸呈现攻击检测的单类表示

    本文提出了一种基于多通道卷积神经网络的一类分类器方法，其中引入了一种新的损失函数，通过一类高斯混合模型实现面部认证攻击检测，该方法的实验结果表明具有较高的泛化能力。

    Jul, 2020

  • 一种紧凑型深度学习模型用于人脸欺骗检测

    本文采用宽与深特征融合的神经网络结构来解决假攻击检测问题，并在多个数据集上进行了实验验证。

    Jan, 2021

  • 面部展示攻击检测的深度像素二元监督

    本文提出了一种卷积神经网络的框架，用于检测面部识别中的展示攻击，该框架使用像素级监督的深度学习技术，可以使用帧级别信息进行部署，适用于在智能设备中的部署，该方法在公共数据集上验证有效性，并在多项实验中超过当前最先进的方法。

    Jul, 2019

  • 基于卷积神经网络和局部二值模式的演示攻击检测

    面部和虹膜的演示攻击检测的三种软件方法比较：使用 Inception-v3 的深度卷积神经网络（CNN），基于改进的 Spoofnet 架构的浅层 CNN，以及使用局部二值模式（LBP）的基于纹理的方法。

    Nov, 2023

  • VoxAtnNet: 面部展示攻击的通用三维点云卷积神经网络

    提出了一种基于 3D 点云的新型演示攻击检测算法 VoxAtnNet，用于侦测手机上的面部演示攻击。通过处理 3D 点云获取体素化的方式，以保留空间结构，然后使用新型卷积注意力网络对体素化的 3D 样本进行训练，实验结果表明该方法在检测已知和未知面部演示攻击的性能方面有所提升。

    Apr, 2024

  • 基于小波变换和深度残差神经网络的演示攻击检测

    本研究应用深度学习方法在生物特征访问控制系统中抵御演示攻击，通过应用小波变换提取生物特征图像的特征，并修改了深度残差神经网络来检测演示攻击。在 ATVS 虹膜数据集上，获得了 93% 的最佳准确率；在 CASIA 两类数据集和 CASIA 裁剪图像数据集上，分别实现了 91% 和 82% 的测试准确率。

    Nov, 2023

  • 可学习的多级频率分解和分层注意力机制用于广义人脸攻击检测

    提出一种双流卷积神经网络框架，其中一流在频域中适应四个可学习频率滤波器来学习特征，另一流利用 RGB 图像来补充频域特征，通过分层注意力模块进行信息融合，提升面部呈现攻击检测方法的泛化能力。

    Sep, 2021

  • 基于内在图像属性和深度学习的防止面部欺诈的检测器

    本论文提出了一种基于深度神经网络和元学习分类器相结合的方法，该方法利用图像固有属性探测面部 “假冒攻击”，在 PAD 领域最具挑战性的跨数据集协议上取得了超越最新成果的显著结果。

    Feb, 2019

  • 通用表现攻击检测：一种面部防欺诈评估方案

    本文介绍了一种名为 face-GPAD 的新的开源评估框架，旨在研究人脸 PAD 方法的泛化能力，同时提出了一个聚合和分类的大型数据集，以解决公共数据集之间的不兼容性问题，并提出了两个新的评估协议，旨在测量人脸分辨率变化引入的影响和评估对抗性操作条件的影响。

    Apr, 2019

  • 利用 DCGAN 和深度 CNN 缓解演示攻击

    本研究旨在使用深度学习技术，通过 DĆGAN 技术生成逼真的合成图像，以识别并防止生物特征认证中的攻击，我们在三种不同的生物特征数据集上使用我们的深度 CNN 模型，测试准确率最高达 97％。

    Jun, 2022