模式识别与人工智能
2025年4月3日 星期四   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  2019, Vol. 32 Issue (2): 117-123    DOI: 10.16451/j.cnki.issn1003-6059.201902003
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
面向活体人脸检测的时空纹理特征级联方法
甘俊英1, 翟懿奎1, 项俐1, 曹鹤1, 何国辉1, 曾军英1, 谭海英1, 邓文博1
1.五邑大学 信息工程学院 江门 529020
Spatial-Temporal Texture Cascaded Feature Method for Face Liveness Detection
GAN Junying1, ZHAI Yikui1, XIANG Li1, CAO He1, HE Guohui1, ZENG Junying1, TAN Haiying1, DENG Wenbo1
1.School of Information Engineering, Wuyi University, Jiangmen 529020

全文: PDF (1155 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 为了解决身份认证中的安全问题,通常采用活体人脸检测方法.为提高活体人脸检测的鲁棒性,文中提出时空纹理特征级联方法.首先采用局部二值模式(LBP)计算韦伯局部描述符(WLD)的差分激励,利用Prewitt算子计算WLD的方向角,提取时空域的纹理特征.再将3个正交时空平面XY、XT、YT的纹理特征直方图进行级联,得到动态纹理特征即时空纹理级联特征,并对真实人脸和伪装人脸做出判定.在公开活体人脸数据库上的实验表明,相比现有主流局部纹理特征方法,文中方法识别率更高.
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
甘俊英
翟懿奎
项俐
曹鹤
何国辉
曾军英
谭海英
邓文博
关键词 活体人脸检测局部纹理特征动态纹理特征时空纹理级联特征    
Abstract:To solve the security problem in identity authentication, the face liveness detection method is always employed. Therefore, a spatial-temporal texture cascaded feature method is proposed to improve the robustness of living face detection. Firstly, local binary pattern(LBP) is utilized to calculate the differential excitation of Weber local descriptor(WLD), and Prewitt operator is exploited to calculate the directional angle of WLD to extract texture features in time domain and space domain. Secondly, the histogram of texture features obtained from three orthogonal space-time planes, XY, XT and YT, is cascaded. Finally, the dynamic texture features, namely spatial-temporal texture cascade features, can be used to determine whether the real face or the disguised face. Experimental results on CASIA face anti-spoofing database and replay-attack database show that the proposed method obtains higher recognition rate than the existing mainstream local texture feature methods and it can be widely used in identity authentication and security monitoring systems.
Key wordsFace Liveness Detection    Local Texture Feature    Dynamic Texture Feature    Spatial-Temporal Texture Cascaded Feature   
收稿日期: 2018-06-14     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.61771347,61072127,61372193)、广东省自然科学基金项目(No.S2013010013311,1015290200; 1000002,S2011010001085,S2011040004211)资助
作者简介: 甘俊英,博士,教授,主要研究方向为生物特征识别.E-mail:junyinggan@163.com. 翟懿奎(通讯作者),博士,副教授,主要研究方向为生物特征识别、SAR图像识别.E-mail:yikuizhai@163.com. 项 俐,硕士研究生,主要研究方向为生物特征识别.E-mail:xianglizaa@163.com. 曹 鹤,硕士研究生,主要研究方向为生物特征识别、人脸美丽预测.E-mail:caohe115@163.com. 何国辉,博士,教授,主要研究方向为图像处理、虚拟现实、多媒体信息系统.E-mail:ghhe126@126.com. 曾军英,博士,副教授,主要研究方向为机器视觉、生物特征识别.E-mail:zengjunying@126.com. 谭海英,硕士研究生,主要研究方向为生物特征识别、人脸美丽预测.E-mail:haiyingtan@163.com. 邓文博,硕士研究生,主要研究方向为生物特征识别、SAR图像识别.E-mail:wenbodeng92@163.com.
引用本文:   
甘俊英, 翟懿奎, 项俐, 曹鹤, 何国辉, 曾军英, 谭海英, 邓文博. 面向活体人脸检测的时空纹理特征级联方法[J]. 模式识别与人工智能, 2019, 32(2): 117-123. GAN Junying, ZHAI Yikui, XIANG Li, CAO He, HE Guohui, ZENG Junying, TAN Haiying, DENG Wenbo. Spatial-Temporal Texture Cascaded Feature Method for Face Liveness Detection. , 2019, 32(2): 117-123.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201902003      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2019/V32/I2/117
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