基于分解二次编码的三维人脸反欺诈技术
本文介绍一种全新的超现实 3D 面部攻击数据库,WFFD,用于模拟真实特征或材料的 3D 类型攻击,作者研究了三种流行的面部识别系统的易受攻击性,并评估了几种面部展示攻击检测方法以展示这个超丰富面部欺骗数据库的攻击能力。
Jun, 2019
本文提出一种基于 Hypergraph 卷积神经网络 (HGCNN) 的 3D 人脸防假攻击方法,该方法利用构建的超图表示进行特征提取,在深度辅助下实现 3D 假面防护,并构建 3D 人脸攻击数据库进行验证,实验表明该方法在各类测评中均达到了最新的防御水平。
Nov, 2018
本研究将人脸防欺骗重新定义为材料识别问题,并结合人的材料感知,提出了多级双边卷积网络(BCN)及多级特征细化模块(MFRM)和多头监督,以提取辨别性和鲁棒性特征,实验表明该方法在六个基准数据集上性能优异。
Jul, 2020
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。
Sep, 2019
本文引入了三种判别性表示来进行人脸防攻击检测。首先,我们设计了一个称为 SPMT 特征来表征局部外观信息的描述符。第二,我们利用 SSD 这种深度学习框架来发掘上下文线索,并进行端到端的人脸防攻击检测。最后,我们设计了一个称为 TFBD 特征来表征真假面孔的立体结构。为了精确的防攻击检测,我们还设计了两种表示组合。首先,我们提出了一个决策级串联策略来将 SPMT 与 SSD 相结合。其次,我们使用简单的分数融合策略将人脸结构线索(TFBD)与局部微纹理特征(SPMT)结合起来。为了证明我们的设计的有效性,我们在三个公共数据集上评估了 SPMT 和 SSD 的表示组合,其表现优于所有其他最先进的方法。此外,我们还评估了 SPMT 和 TFBD 的表示组合,在我们的数据集上也取得了出色的性能。
Aug, 2018
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
通过颜色纹理分析的局部二值模式描述符的使用,来分析亮度和色度通道的结合颜色 - 纹理信息,提出了一种新的基于颜色纹理分析的人脸反欺诈方法,并在 CASIA 人脸反欺诈和 Replay-Attack 数据库上进行了广泛实验,表明其较现有技术具有更好的检测准确性。
Nov, 2015
本研究提出了一种基于内部图像分析的检测方法来区分真实人脸和 3D 面具,该方法将面部图像进行内部图像分解处理以计算其反射图像,然后从三个正交平面中提取强度分布直方图来表示反射图像之间的强度差异,并使用一维卷积网络进一步捕捉描述不同材料或表面对光照变化反应不同的信息。实验结果表明,本方法在检测性能上优于其他现有方法,并在 3DMAD 数据库上显示出其有效性。
Mar, 2019
本论文提出了一种使用多帧和深度学习方法进行面部防欺骗的新方法,通过 Residual Spatial Gradient Block 和 Spatio-Temporal Propagation Module 等技术实现了优秀的检测性能,在多个数据集上均取得了最先进的结果。
Mar, 2020