通过合成噪声增强来提高单眼面部呈现-攻击-检测强度

科学领域:

• 计算机视觉 计算机视觉
• 生物识别信息 生物识别信息
• 机器学习 机器学习

背景情况:

• 面部呈现攻击检测 (PAD) 对于安全的身份验证至关重要,可以防止照片和视频等伪造方法.
• 目前的高性能PAD系统通常依赖于昂贵的3D成像,推动研究以经济高效的单眼 (单摄像头) 方法.
• 单眼PAD方法在受控环境中表现出色,但与现实世界成像变化 (如传感器噪声和动态照明) 相斗争.

研究的目的:

• 开发一种合成增强策略,以提高单眼面PAD对现实噪音的强度.
• 在任何条件下,创建一个实用且具有成本效益的解决方案来提高PAD性能,而无需广泛收集数据.

主要方法:

• 引入了基于物理的噪声增强工具箱,其中有12个发电机模拟传感器和照明效应.
• 在杂的测试数据集上对流行的增强方法进行了评估.
• 进行了废除研究,以量化合成增强对真实数据的影响.

主要成果:

• 拟议的合成噪声增强产生的PAD特征比噪声评估中的现有方法更强大.
• 增强工具箱还提高了清洁测试数据的准确性,表明了伪造和成像文物之间的更好的区分.
• 实现了卓越的测试准确性,只有30%的参与者需要进行完整的成像,证明了数据收集的显著简化.

结论:

• 基于物理学的合成噪声增强提供了一种务实的方法来增强单眼面PAD的强度.
• 这种方法有效地解决了现实世界的噪音挑战,从而提高了安全性并降低了数据采集成本.
• 合成增强是开发更具弹性和可访问的生物识别身份验证系统的宝贵工具.