10.19678/j.issn.1000-3428.0063424
融合多尺度特征的多监督人脸活体检测算法
目前的多数活体检测算法忽略了特征挖掘,导致判别性信息提取不足.提出一种融合梯度纹理和群感受野的活体检测算法.使用中心差分卷积计算感受野周围点与中心点的差值,提取图像的梯度纹理特征,设计群感受野模块,采用不同尺寸的卷积核结合空洞卷积组成多分支结构,在使用较少参数量的情况下获得更大的感受野和多尺度特征,并将两种特征融合输入到残差结构中.此外,在使用深度图进行监督的同时,增加二值掩模进行辅助监督,使得网络将学习的中心放到人脸部位,进一步提升模型的鲁棒性.在此基础上,综合深度图生成器和掩模生成器的输出结果,计算预测得分,实现端到端的活体检测.实验结果表明,该算法在公开数据集OULU-NPU 4个协议上的平均分类错误率分别为0.9%、1.9%、1.6%±2.0%和2.7%±1.8%,在数据集CASIA-MFSD和Replay-Attack上可实现无误差活体检测,并且模型参数量仅为1.1 MB,与Auxiliary和STASN等活体检测算法相比,检测精度更高,具有更好的鲁棒性.
卷积神经网络、人脸活体检测、纹理特征、感受野、多监督
48
TP391.4(计算技术、计算机技术)
国家自然科学基金;江苏省六大人才高峰项目
2022-12-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
79-85,94