整理资料:
人脸识别中活体检测算法综述:https://blog.csdn.net/SIGAI_CSDN/article/details/82772813
知乎上的资料:https://zhuanlan.zhihu.com/p/25401788
代码资料:
CVPR 2019 活体检测比赛:
https://github.com/SeuTao/CVPR19-Face-Anti-spoofing
https://github.com/SoftwareGift/FeatherNets_Face-Anti-spoofing-Attack-Detection-Challenge-CVPR2019
使用RGB单目进行活检实践:
https://www.pyimagesearch.com/2019/03/11/liveness-detection-with-opencv/
一些论文:
1. 论文地址: https://arxiv.org/abs/1901.05602
这篇是19年1月提出的论文,文中使用同一个CNN网络模型进行人脸活检和人脸识别,这就是multi-task多任务学习。对于活体检测,作者设计了一个TPC loss 来增强学习欺骗攻击的特征,同时也设计了一个 FDA来提高在不同场景下人脸防欺骗的能力。
2. 论文地址: https://arxiv.org/abs/1901.05635
这篇论文主要是提出了欧拉运动信息放大,对人脸的表情进行放大,真实的人脸中人脸表情是有一些微小变化的,而照片中的是不变的,这样就可以区分是活体还是假体了。文中用的技术LSTM-CNN、Attention注意力机制等。感兴趣的可以去看一下原文。
参考:
https://blog.csdn.net/u014640980/article/details/89954434
https://blog.csdn.net/TheDayIn_CSDN/article/details/93631468
https://blog.csdn.net/SIGAI_CSDN/article/details/82772813