科研之友
微信
新浪微博
Facebook
分享链接
摘要
人脸识别是计算机视觉应用中的关键技术,被广泛应用到移动支付、安全监控、访问授权等场景中。现有的人脸识别系统通常只利用可见光彩色图像进行识别,因而很容易受到伪造人脸的攻击,常见的攻击类型包括印刷平面攻击、屏幕重复攻击、3D面具攻击等,如不能提前预警恶意攻击就直接进行人脸识别,会大大降低人脸识别系统的可靠性。利用多模态相机采集的彩色图、深度图、近红外图,提取防伪攻击所需的显著性特征,判断是否为伪造人脸攻击。然后再进行人脸识别可以极大的提高整个系统的鲁棒性。在人脸识别这种多类别分类的任务中,在特征空间中,类内距离常会大于类间距离,利用中心损失在分类的同时约束特征空间上的类内分布,使得不同的样本点更加内聚,从而增加模型在不同数据集上的泛化性能。同时为整个系统中的两大模块,防伪攻击检测模块和人脸特征提取模块设计了轻量化的网络模型,减少模型参数,提高了系统的运行效率。
-
单位上海大学; 通信与信息工程学院
