Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Nhận diện khuôn mặt chống giả mạo dựa trên phương pháp định hướng gradient trọng số địa phương tổng hợp
Tóm tắt
Tấn công giả mạo là một mối đe dọa nghiêm trọng đối với các hệ thống xác thực sinh trắc học. Dựa trên khái niệm ước lượng bản đồ độ sâu, một kỹ thuật chống giả mạo mới dựa trên định hướng gradient trọng số địa phương tổng hợp (ALWGO) được đề xuất. Chúng tôi trước tiên ước lượng độ sâu của hình ảnh khuôn mặt mẫu. Ở bước tiếp theo, các đặc trưng ALWGO phân biệt cao được trích xuất từ bản đồ độ sâu. Cuối cùng, một bộ phân loại với đại diện thưa được huấn luyện để phân biệt giữa khuôn mặt thật và giả. Bài báo này đặc biệt đề cập đến tiềm năng của các đặc trưng gradient kết cấu và các biến thể của nó, trên ba loại tấn công, cụ thể là: ảnh in độ phân giải cao, ảnh bị biến dạng và video được phát trên điện thoại di động. Việc sử dụng các đặc trưng ALWGO đã được mở rộng cho việc nhận diện khuôn mặt tiếp theo. Phương pháp mà chúng tôi đề xuất là mạnh mẽ và không gây nhiễu so với nhiều phương pháp hiện có. Phân tích thực nghiệm toàn diện trên các cơ sở dữ liệu công khai cho thấy rõ sự vượt trội của phương pháp của chúng tôi cho cả hệ thống phát hiện giả mạo khuôn mặt và hệ thống nhận diện.
Từ khóa
#tấn công giả mạo #sinh trắc học #nhận diện khuôn mặt #định hướng gradient #độ sâuTài liệu tham khảo
Maata, J., Hadid, A., Pietikainen, M.: Face spoofing detection from single images using micro-texture analysis. In: IEEE Conference of Proceedings on Biometrics (2011)
Ouamane, A., Belahcene, M., Benakcha, A., Taleb-Ahmed, A.: Robust multi modal 2D and 3D face authentication using local feature fusion. SIVP 10(1), 129–137 (2016)
Pan, G., Sun, L., Wu, Z., Lao, S.: Eyeblink-based anti-spoofing in face recognition from a generic web camera. In: Computer Vision (ICCV), pp. 1–8 (2007)
Pereira, T.F., Komulainen, J., Anjos, A., Mario, J., Hadid, A., Pietikinen, M., Marce, S.: Face liveness detection using dynamic texture. J. Image Video Process. 2 (2014) doi:10.1186/1687-5281-2014-2
De Marsico, M., Nai, M., Riccio, D.: Face: face analysis for commercial entities. In: IEEE International Conference on Image Processing, pp. 1597–1600 (2010)
Bharadwaj, S., Dhamecha, Tejas, I., Mayank, V., Richa, S.: Face anti-spoofing via motion magnification and multi feature video let aggregation. IITD-TR-2014-002 (2014)
Ojala, T., Pietikainen, M., Maenpaa, T.: Multi resolution gray-scale and rotation invariant texture classification with local binary patterns. IEEE Trans. PAMI 24, 971–987 (2002)
Chingovska, I., Anjos, A., Marcel, S.: On the effectiveness of local binary patterns in face anti-spoofing. In: Proceedings of the International Conference on BIOSIG (2012)
Tan, X., Li, Y., Liu, J., Jiang, L.: Face liveness detection from a single image with sparse low rank bilinear discriminative model. In: Computer Vision ECCV (2010)
Jones, M.J., Viola, P.A.: Fast multi-view face detection. Technical Report, TR 2003-96, Cambridge (2003)
Akimov, D., Vatolin, D., Smirnov, M.: Single-image depth map estimation using blur information. In: Proceedings of the International Conference on iCon’2011, p. 1215 (2011)
Eskandari, M., Toygar, O., Demirel, H.: Feature extractor selection for face-iris multimodal recognition. SIVP 8(6), 1189–1198 (2014)
Cheng, H.: Sparse Representation and Learning-Based Classifiers. Advances in Computer Vision and Pattern Recognition. Springer, London (2015). doi:10.1007/978-1-4471-6714-3_8
Yang, J.: Virtual focus and depth estimation from defocused video sequences. IEEE Trans. Image Process. 19(3), 668–679 (2010)