基于3D卷积神经网络的活体人脸检测

摘要：

非法入侵者通过伪装人脸骗取系统认证,给人脸认证系统带来了严重的威胁.因此,活体人脸检测成了人脸认证系统走向实用必须解决的一个重要课题.现有活体人脸检测方法多为基于照片的人脸攻击方面的研究成果,对于基于视频的人脸攻击,效果并不理想.3D卷积神经网络(Convolutional Neural Network,CNN)具有深度学习的特点,能自动学到图像的分布式特征表示;与2D卷积相比,它能学到连续视频帧的动作信息.本文结合3D卷积神经网络的特性,提出利用3D卷积实现视频人脸伪装检测.通过提取3D卷积神经网络最后全连接层学到的时间空间特征,训练SVM(Support Vector Machine)分类器,实现真实人脸和伪装人脸的分类.实验采用两个人脸伪装公开数据库ReplayAttack和CASIA,实现多尺度内部数据库测试和交叉数据库测试.实验结果相对于纹理特征及2D卷积方法有较大提高,可应用于视频人脸攻击的活体人脸检测.

关键词：3D卷积神经网络、活体人脸检测、人脸反伪装、社会安全

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61372193,61070167;广东高校优秀青年教师培训计划资助项目SYQ2014001;广东省特色创新项目2015KTSCX143,2015KTSCX145;广东省青年创新项目2016KQNCX171

在线出版日期：2018-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1515-1522