摘要
人脸融合攻击已对现有人脸识别系统造成了严重威胁。尽管目前已提出一些融合人脸检测的方法,但现有的算法在实际应用环境中稳定性与鲁棒性较差的问题。为此,本文提出了一种基于深度学习的噪声鲁棒的人脸融合攻击检测网络,提高了融合人脸检测算法对噪声的鲁棒性。该网络由人脸图像自适应去噪网络和融合人脸鉴别网络两部分构成:首先利用自编码器对含噪声的人脸图像进行自适应去噪,然后使用预训练的VGG19卷积神经网络对去噪后的人脸图像进行融合人脸检测。实验结果表明,本文所提出的方法可以有效降低噪声对人脸融合攻击检测的影响,与现有的方法相比具有较好的鲁棒性。
- 单位