Motion-based counter-measures to photo attacks in face recognition
标签: anti-spoofing
论文
论文出处:IET Biom., 2014, Vol. 3, Iss. 3, pp. 147–158
本文提出的一个数据库
由于那个时候可用的开源数据库比较少,所以本文提出了一个PHOTO-ATTACK database,主要是照片攻击的数据,里面有50个实体,而每个人的记录都分为Controlled和Adverse,每个视频大概15s也就是有375帧,并且使用MCT[18]进行人脸检测。对于伪造的样本,采用Print,Mobil,Highdef。
本文提出的方法以及对比方法
本文对照了三个方法,在文章中位RS1,RS2,RS3,其中RS1[17],主要利用照片攻击的一个缺陷,就是照片中人的头部只能垂直或者水平移动,所以它就采用比较面部中心和耳朵的移动方向来确定是否为欺诈。RS2[16]提出的是找到一个平面区域,由于照片攻击一般是平面的,所以在OF域里面找到一个平面物体,并且定义一个运动分量,如果运动分量高,则说明为真可能性大。相对于RS1其并不追踪特定的面部。在RS3[13]主要是提取运动的强度,使用grey-scaled frame-difference averages,而本文提出的方法也是类似于RS3,主要是分析头部和背景信息,OFC的步骤是,先进行特征提取,首先计算运动角度,然后计算直方图,计算一个距离,最后用窗口覆盖距离。如下图所示:
后面的实验,主要和RS1,RS2,RS3进行比较分析,并且得出最佳结果。
收获
1、使用光流法可能有效
2、对于打印攻击,多关注其背景和头部的相关性
参考文献重点摘录可作为以后读
RS1 2 3
13 Anjos, A., Marcel, S.: ‘Counter-measures to photo attacks in face
recognition: a public database and a baseline’. Int. Joint Conf.
Biometrics (IJCB), 2011
16 Bao, W., Li, H., Li, N., Jiang, W.: ‘A liveness detection method for face
recognition based on optical flflow fifield’. 2009 Int. Conf. Image Analysis
and Signal Processing, 2009, pp. 233–236
17 Kollreider, K., Fronthaler, H., Bigun, J.: ‘Non-intrusive liveness
detection by face images’, Image Vis. Comput., 2009, 27, (3),
pp. 233–244