应用深度光学应变特征图的人脸活体检测
目的 随着人脸识别系统应用的日益广泛,提高身份认证的安全性,提升人脸活体检测的有效性已经成为迫切需要解决的问题.针对活体检测中真实用户的照片存在的人脸欺骗问题,提出一种新的解决照片攻击的入脸活体检测算法.方法 利用局部二值模式LBP(local binary pattern)、TV-L1(total variation regularization and the robust L1 norm)光流法、光学应变和深度网络实现的人脸活体检测方法.对原始数据进行预处理得到LBP特征图;对LBP特征图提取光流信息,提高对噪声适应的鲁棒性;计算光流的导数得到图像的光学应变图,以表征相邻两帧之间的微纹理性质的微小移动量;通过卷积神经网络模型(CNN)将每个应变图编码成特征向量,最终将特征向量传递给长短期记忆LSTM(long short term memory)模型进行分类,实现真假人脸的判别.结果 实验在两个公开的人脸活体检测数据库上进行,并将本文算法与具有代表性的活体检测算法进行对比.在南京航空航天大学(NUAA)人脸活体检测数据库中,算法精度达到99.79％;在Replay-attack数据库中,算法精度达到98.2％,对比实验的结果证明本文算法对照片攻击的识别更加准确.结论 本文提出的针对照片攻击的人脸活体检测算法,融合光学应变图像和深度学习模型的优点,使得人脸活体检测更加准确.
人脸活体检测、局部二值模式、TV-L1光流法、光学应变、长短期记忆模型
25
TP391(计算技术、计算机技术)
国家自然科学基金项目;山东省自然科学基金项目;山东工商学院研究生科技创新基金项目
2020-06-22（万方平台首次上网日期，不代表论文的发表时间）
共11页
618-628
