On the Effectiveness of Local Binary Patterns in Face Anti-spoofing

On the Effectiveness of Local Binary Patterns in Face Anti-spoofing

标签: anti-spoofing


论文出处: 2012 BIOSIG - Proceedings of the International Conference of Biometrics Special Interest Group (BIOSIG)

摘要

提出当前使用的面部识别系统非常容易被攻破,所以本文给出了一种基于LBP下的对于打印攻击以及视频攻击能有效防止,并且还给出了一个REPLAY
-ATTACK数据库,并且使用LBP方案在上面给出了一个baseline。

引言

当前的很多系统都很容易被攻破,可以参考[2],只需要一个照片就能攻破一个平板电脑的人脸系统,由于照片大量存在互联网中,所以找到一个人脸的方法也是非常廉价的。但是现在由于没有合适的公共数据库,所以目前anti
Spoofing发展缓慢,所以本文给出了一个公共数据库,并且给出了一种使用LBP的方案在数据库上产生的baseline。

相关工作

当下的用于活体检测的方案有三个方向: analyzing the texture of the image captured by the sensor, detecting any evidence of liveness on the scene or combining both approaches together.[7]提出了一种基于LBP的方案进行纹理检测。

在这里插入图片描述

也还有一些其他的方案,比如基于眼动等。
当前流行的数据库:NUAA,缺点是只有打印攻击,样本个数少,只有静止的照片,并且样本没有分出来交叉验证集(developset)。CASIA-FASD包含了三类攻击,可以看做是在NUAA的增加,但是也是没有分出来交叉验证集。所以这篇文章提出了REPLAY-ATTACK。
RELPAY-ATTACK数据库:里面包含真脸,打印,手机照片,平板照片,并且划分了训练集,验证集以及测试集三部分。每个视频为25f/s*15s=375帧。
在这里插入图片描述

实验

实验方案来源于[7]和[14],使用了LBP对图像进行特征提取,在提取特征之前先把视频处理成帧图片,这样可以和NUAA数据库统一,并且先使用人脸提取出来人脸部分处理为6464的图片。对于LBP33的提取也分为两种,第一种是提取整个图片的(有59个特征),或者先把图片分块(分成9块)则有59*9 = 531个特征,本文实现时使用了BOb[18]库http://www.idiap.ch/software/bob/。

在这里插入图片描述

实验结果

关于实验结果的测量指标:EER和HTER和ROC。除此之外本次实验还是用了控制变量,第一先控制使用哪种类型特征,分别使用了基本的LBP和扩展的LBP[17]进行了测试发现其结果都差别不大,并且其他的LBP特征的计算量很大,所以就使用基本的LBP。

在这里插入图片描述

第二就是控制是否把图片切割成9个块,发现也没有显性的变化,所以就使用整张图片。

在这里插入图片描述

第三是使用不同的分类器,分别使用了线性分类器LDA和非线性分类器SVM,发现SVM并没有提升过多,所以就选择LDA,这样其性价比比较高。

在这里插入图片描述

在选出来比较好的特征以及分类器后,在不同的数据库上测试了一下,验证一下其泛化能力是否够,并且与[7]的结果进行了对比,结果有出入,文中给出了出入的可能原因。

在这里插入图片描述

展望:未来的方向可能是在于对于特定的攻击做特定的模型,也可能是做一个泛化能力比较强的模型。

收获

1、了解2012年主流数据库NUAA等及其缺点以及当时的主流方法
2、了解了REPLAY-ATTACK数据库
3、着重了解了LBP在活体检测上的使用

参考文献重点摘录可作为以后读

本文源代码
Github可以找到 直接搜论文名称

LBP
[7] J. Maatt a, A. Hadid, and M. Pietik ainen, “Face spoofing detection from single images using micro-texture analysis,” in Proc. International Joint Conference on Biometrics (IJCB 2011), Washington, D.C., USA, 20
[14] T. Ojala, M. Pietikainen, and T. Maenpaa, “Multiresolution gray-scale and rotation invariant texture classification with local binary patterns,”IEEE Tran. Pattern Anal. Mach. Intelll. 24 no. 7 20
[15] J. Trefny and J. Matas, “Extended set of local binary patterns for rapid
object detection,” Computer Vision Winter Workshop, Czech Republic,
2010.

Bob一个库
[18] A. Anjos et al., “Bob: a free signal processing and machine learning
toolbox for researchers,” in 20th ACM Conference on Multimedia
Systems (ACMMM), Nara, Japan. ACM Press, Oct. 2012
2http://www.idiap.ch/software/bob/
3Code available at: https://github.com/bioidiap/antispoofing.lbp

欢迎大家关注我的微信公众号,未来上面会推送python 机器学习 算法学习 深度学习 论文阅读 以及偶尔的小鸡汤等内容。ようこそいらっしゃい!

在这里插入图片描述

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值