论文：Aurora Guard_ Real-Time Face Anti-Spoofing via Light Reflection

AG
腾讯优图

Main Idea

本文提出了一种简单高效的anti-spoofing方法，不需要特别的硬件设备。利用了多帧RGB图在不同光照条件下具有不同的反射。提出并定义了一种光参数序列light CAPTCHA,应用到人脸上，形成了具有不同反射效果的人脸帧。然后对其提取normal cues，该过程使用了Lambert’s Law。将normal cues输入一个多任务CNN，第一个分支使用encoder+decoder估计深度信息（2D softmax + CE），然后再进行分类。另外一个分支对光参数进行回归，使用均方误差。

Abstract

本文提出的方案是一种快速高效的anti-spoofing方法，已经被数百万用户使用。该方法首先通过光反射分析提取normal cues；然后使用一个端到端训练的可训练的多任务CNN不仅恢复对象的深度信息以辅助活体判断，同时还在回归分支中提供了light CAPTCHA(光验证码)检查机制，进一步提升系统的稳定性。此外，本文还搜集了一个12000活体和非活样本的数据集，包括丰富的图像质量和攻击模式。

1.Introduction

本文的方法主要包括两个部分：

• 以Lambertian model为基础，产生动态变化的光验证码，并从反射帧中提取normal cues.
• 使用一个端到端的多任务网络来同时判断活体与非活，并同时回归光验证码。前者使用normal cues估计深度，判断活体与非活；后者回归光参数的机制用于处理一种特殊的攻击modality spoofing。

***Q：什么是modality spoofing？***
后面的实验部分有详细讲

Contribution

• 提出了一种简单高效的anti-spoofing方法，在实际场景中不需要特别的硬件设备支持就可以应用。
• 提出了一种cost-free的深度恢复网络，通过从反射帧提取出来的normal cues即可以恢复深度进行活体分类。
• 一种新的光验证码检查机制可以提升对抗攻击的安全性，尤其是modality spoofing。
• 建立了一个具有广泛的攻击模