算法思想:
通过估计人脸姿态、人脸深度,对从rgb图像提取的人脸特征图进行姿态转正与约束,从而利用时许特征图提取人体心率信号来判断是否是活体。
主要技术:
人脸深度图估计->精细人脸区域提取;
3D人脸姿态估计-》人脸特征图转正。
基于LSTM的rPPG(heart pulse signal)活体检测。
结论:
跨数据集验证结果:
HTER:Half Total Error Rate. The HTER is half of the summation fo the False Rejection Rate(FRR) and the False Acceptance Rate(FAR).
False Rejection Rate(FRR) :错误拒绝率,本来不该拒绝,但是被拒绝了。在分类问题中,若实际上两个样本为同类(同一个人)却被系统误认为是异类(非同一个人),则为错误拒绝案例。FRR为错误拒绝案例在所有同类匹配案例中的比例。
False Acceptance Rate(FAR):错误接受率,本来不该接受,但是被接受了。在分类问题中,如果实际上两个样本为一类(非同一个人),却被系统误认为是同类(同一个人),则为错误接受案例。错误接受率为错误接受案例在所有异类匹配案例的比例。
准确率(Accuracy,ACC):调整阈值,使得FAR+FRR最小,1减去这个值即为识别准确率,即ACC=1 - min(FAR+FRR)
阈值:在接受/拒绝二元分类系统中,通常会设定一个阈值,分数超过该值时才做出接受决定。调节阈值可以根据业务需求平衡FAR与FRR。 当设定高阈值时,系统做出接受决定的得分要求较为严格,FAR降低,FRR升高;当设定低阈值时,系统做出接受决定的得分要求较为宽松,FAR升高,FRR降低。在不同应用场景下,调整不同的阈值,则可在安全性和方便性间平平衡,如下图所示:
HTER rate:约28%左右。也就是准确率大概是72%左右,基本上无法商用。
关于评价指标的理解参考如下博客:
https://zhuanlan.zhihu.com/p/33199485
https://zhuanlan.zhihu.com/p/46714763
https://www.zhihu.com/question/39840928
https://www.cnblogs.com/dlml/p/4403482.html
视频参考: