结合混合池化的双流人脸活体检测网络

摘要：

目的 人脸识别技术在很多领域起着重要作用,但大量的欺诈攻击对人脸识别产生了威胁,比如打印攻击和重放攻击.传统的活体检测方法是以手工方式提取特征且缺乏对时间维度的考虑,导致检测效果不佳.针对以上问题,提出一种结合混合池化的双流活体检测网络.方法 对数据集提取光流图像并进行面部检测,得到双流网络的两个输入;在双流网络末端加入空间金字塔和全局平均混合池化,利用全连接层对池化后的特征进行分类并进行分数层面的融合;对空间流网络和时间流网络进行融合得到一个最优结果,同时考虑了不同颜色空间对检测性能的影响.结果 在CASIA-FASD(CASIA face anti-spoofing database)和replay-attack两个数据集上做了多组对比实验,在CASIA-FASD数据集上,等错误率(equal error rate,EER)为1.701％;在replay-attack数据集上,等错误率和半错误率(half total error rate,HTER)分别为0.091％和0.082％.结论 结合混合池化的双流活体检测网络充分考虑时间维度,提出的空间金字塔和全局平均混合池化策略能有效地利用特征.针对包含多种攻击类型、图像质量差异较大的数据集,本文提出的网络模型均能取得较低的错误率.

关键词：活体检测、卷积神经网络、双流网络、光流法、空间金字塔池化、全局平均池化

所属期刊栏目：25

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目;国家自然科学基金项目;中国博士后科学基金特助项目;江苏省自然科学基金项目;江苏省六大人才高峰项目

在线出版日期：2020-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1408-1420