【FAS】《Application of machine learning to face Anti-spoofing detection》

文章目录

原文

李莉.反欺骗人脸活体图像的机器学习方法研究[D].广东工业学,2020.DOI:10.27029/d.cnki.ggdgu.2020.001204.

相关工作

一、基于手工特征的人脸活体检测方法

(1)基于图像纹理特征


(2)基于多光谱特征


(3)基于运动信息

由于伪造欺骗人脸模仿真实人脸运动时,人脸会连带身后的背景区域一同运动,背景区域也会被识别。当一个点在运动时,对应图像上相同或位置的光源也在移动,这种基于图像亮度运动特征的提取方法便是光流法。真实人脸和伪造的欺骗二维人脸图像在运动模式上是不同的。真实人脸做出动作时,脸部不同运动产生不同的光流。而伪造的欺骗二维人脸图像则几乎无变化


二、基于深度学习的人脸活体检测方法

三、基于融合特征的人脸活体检测方法

空间金字塔编码微纹理(SPMT)特征描述符

方法

静态 Gabor 小波和动态 LBP 的融合特征

传统:提取 Gabor 小波特征和动态 LBP 特征 + SVM

数据集

结果

基于 GAN 的数据增强人脸活体检测方法

时常会造成训练时模式崩溃(collapse mode),产生的结果不具备多样性,比较单一

GAN------DCGAN 生成难样本加入训练集 + SVM


半监督学习用于图像修复的人脸活体检测

半监督(利用图像修复的方法)

引入基于 GAN 的图像修复模型

网络结构分为生成模型 用于修复图像;局部判别器 负责判别修复图像的清晰度和局部一致性,全局判别器负责判别修复图像与原图像的匹配程度和全局一致性。训练中,网络模型一方面修复掩码或缺失的图像,一方面通过全局判别器进行真伪人脸图

点评

GAN 用于图像修复,生成与活检的结合方式

★★★


相关推荐
jonyleek23 分钟前
如何搭建一套安全的,企业级本地AI专属知识库系统?从安装系统到构建知识体系,全流程!
人工智能·安全
MQ_SOFTWARE1 小时前
AI驱动的金融推理:Fin-R1模型如何重塑行业决策逻辑
人工智能·金融
生医转码,四海为家1 小时前
零基础-动手学深度学习-6.6 卷积神经网络(LeNet)
人工智能·深度学习·cnn
无名工程师1 小时前
AI 学习过程中各阶段的学习重点、时间规划以及不同方向的选择与建议等内容
人工智能·学习
WXX_s2 小时前
【OpenCV篇】OpenCV——03day.图像预处理(2)
人工智能·python·opencv·学习·计算机视觉
CoovallyAIHub2 小时前
避开算力坑!无人机桥梁检测场景下YOLO模型选型指南
深度学习·算法·计算机视觉
有才不一定有德2 小时前
深入剖析 MetaGPT 中的提示词工程:WriteCode 动作的提示词设计
人工智能·aigc·提示词工程
花月mmc3 小时前
CanMV-K230 AI学习笔记系列
人工智能·笔记·学习
s1ckrain3 小时前
【论文阅读】ON THE ROLE OF ATTENTION HEADS IN LARGE LANGUAGE MODEL SAFETY
论文阅读·人工智能·语言模型·大模型安全