模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2023, Vol. 36 Issue (3): 242-251    DOI: 10.16451/j.cnki.issn1003-6059.202303004
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
纹理和深度特征增强的双流人脸呈现攻击检测方法
孙锐1,2, 冯惠东1,2, 孙琦景1,2, 单晓全1,2, 张旭东1
1.合肥工业大学 计算机与信息学院 合肥 230601;
2.合肥工业大学 工业安全与应急技术安徽省重点实验室 合肥 230601
Texture and Depth Feature Enhancement Based Two-Stream Face Presentation Attack Detection Method
SUN Rui1,2, FENG Huidong1,2, SUN Qijing1,2, SHAN Xiaoquan1,2, ZHANG Xudong1
1. School of Computer Science and Information Engineering, Hefei University of Technology, Hefei 230601;
2. Anhui Key Laboratory of Industry Safety and Emergency Technology, Hefei University of Technology, Hefei 230601

全文: PDF (1005 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 人脸呈现攻击是一种利用照片、视频等将人脸通过媒介呈现在摄像头前欺骗人脸识别系统的技术.现有的人脸呈现攻击检测方法大多采用深度特征辅助监督分类,忽略有效的细粒度信息以及深度信息与纹理信息的相互联系.因此,文中提出纹理和深度特征增强的双流人脸呈现攻击检测方法.一端网络通过中心差分卷积网络提取比原始卷积网络更鲁棒的欺骗人脸纹理模式.另一端网络通过生成对抗网络生成深度图的深度线索,提高对外观变化和图像质量差异的稳定性.在特征增强模块中,设计中心边缘损失,对两类互补特征进行融合和增强.在4个数据集上的实验表明,文中方法在数据集内以及跨数据集的测试中都取得较优性能.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
孙锐
冯惠东
孙琦景
单晓全
张旭东
关键词 呈现攻击检测人脸反欺骗生成对抗网络特征增强中心边缘损失    
Abstract:Face presentation attack is a technology using photos, videos and other media to present faces in front of cameras to spoof face recognition systems. Most of the existing face presentation attack detection methods apply depth feature for supervised classification, while ignoring the effective fine-grained information and the correlation between depth information and texture information. Therefore, a texture and depth feature enhancement based two-stream face presentation attack detection method is proposed. One end of the network extracts the facial texture features with a more robust deception texture pattern than the original convolution network through the central differential convolution network. The other end of the network generates the depth information of the depth map through generative adversarial network to improve the robustness to the appearance changes and image quality differences. In the feature enhancement module, a central edge loss is designed to fuse and enhance two types of complementary features. The experimental results on 4 datasets show that the proposed method achieves superior performance in both intra-data set and cross-data set tests.
Key wordsPresentation Attack Detection    Face Anti-Spoofing    Generative Adversarial Network    Feature Enhancement    Center Edge Loss   
收稿日期: 2022-11-03     
ZTFLH: TP391  
基金资助:国家自然科学基金面上项目(No.61876057)、安徽省自然科学基金项目(No.2208085MF158)、安徽省重点研发计划-科技强警专项项目(No.202004d07020012)资助
通讯作者: 孙锐,博士,教授,主要研究方向为计算机视觉、机器学习.E-mail:sunrui@hfut.edu.cn.   
作者简介: 冯惠东,硕士研究生,主要研究方向为图像信息处理、计算机视觉.E-mail:2021171123@mail.hfut.edu.cn. 孙琦景,硕士研究生,主要研究方向为图像信息处理、计算机视觉.E-mail:861242257@qq.com. 单晓全,硕士研究生,主要研究方向为图像信息处理、计算机视觉.E-mail:2334321350@qq.com. 张旭东,博士,教授,主要研究方向为智能信息处理、机器视觉.E-mail:xudong@hfut.edu.cn.
引用本文:   
孙锐, 冯惠东, 孙琦景, 单晓全, 张旭东. 纹理和深度特征增强的双流人脸呈现攻击检测方法[J]. 模式识别与人工智能, 2023, 36(3): 242-251. SUN Rui, FENG Huidong, SUN Qijing, SHAN Xiaoquan, ZHANG Xudong. Texture and Depth Feature Enhancement Based Two-Stream Face Presentation Attack Detection Method. Pattern Recognition and Artificial Intelligence, 2023, 36(3): 242-251.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202303004      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2023/V36/I3/242
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn