【FAS】《Review on face liveness detection》

原文

[1]谢晓华,卞锦堂,赖剑煌.人脸活体检测综述[J].中国图象图形学报,2022,27(01):63-87.

总结

2 人脸活体检测的传感设备

除了最常用的RGB摄像头，双目相机、（近）红外相机、深度相机、3维扫描仪、光场相机和多光谱成像仪，此外闪光灯也被用于辅助

ps: 光场

虚假人脸与真实人脸的一个重要区别在于表面反射特性。热红外、近红外和多光谱成像均可实现提取诸类信息——由于人工材料的多样性，基于近红外传感的方式有时候难以捕捉真实人脸和人工材料面具之间的反射率差异

热辐射可以区分人造材料与真实皮肤，但是热辐射也会穿透人工材料

闪光可以协助相机拍摄物体的阴影反光，间接反映对象目标的3维信息以及反射性质，从而可以增强真实人脸和虚假人脸之间的成像差异。如果采取多种颜色的闪光，所获取的区分信息会更加丰富。此外，闪光可以减少环境对成像的影响。

缺点：降低用户体验

4 人脸活体检测算法

4.1 基于手工特征方法

4.1.1 基于纹理方法

傅里叶谱分析，真实人脸图像比打印照片图像包含的高频成分更多

4.1.2 基于图像质量方法

4.1.3 基于3维结构的方法

4.1.4 基于脸部运动的方法

4.1.5 基于生理信号的方法

4.2 基于深度学习的方法

4.2.1 单纯数据驱动的深度学习方法

4.2.2 跨域迁移的深度学习方法

域泛化方法未从目标数据中学习到任何信息，因此源域的泛化是很难确定的，在学习过程中一般要施加给模型一些先验信息或者约束，也可能导致过拟合的出现。因此在实际中，基于域泛化模型的的泛化能力可能不适用于实际中人脸活体验证数据的检测和验证，需要结合其他学习范式来增强模型的泛化能力。

4.2.3 结合先验知识的深度学习方法

4.3 基于更多学习范式的人脸活检验证方法

NAS
meta learning
contrastive learning
federated learning

4.4 面向未知类型攻击的人脸活体验证方法