论文部分内容阅读
近年来随着计算机视觉技术的发展,人脸识别凭借高识别准确率、高鲁棒性已成功应用到各种权限系统中,例如智能手机解锁、支付宝移动支付等。与此同时,人脸识别系统也存在着一定的安全隐患,尤其在将系统使用者的人脸图像、人脸视频以及人脸面具置于识别系统面前时,人脸识别系统同样会将其识别为使用者本人,导致权限系统被入侵。这类通过虚假人脸攻击入侵人脸识别系统的行为给系统使用者的信息、财产带来了巨大的安全威胁,严重制约着人脸识别技术更广泛的应用。针对虚假人脸入侵的问题,很多检测算法被提了出来。但是其中的大多数检测算法将虚假人脸入侵检测的问题归纳为二分类问题,即将所有类型的虚假人脸分为一类、真脸分为一类,并没有对不同类型的虚假人脸进行独立分析,导致难以获取多类型虚假人脸共有的与真脸可区分的特征描述。基于此,本文首先构建一个新的包含多种入侵类型的虚假人脸数据库,解决检测算法训练过程中数据匮乏、虚假人脸种类少的问题;然后对不同类型的虚假人脸与真脸进行对比分析,将虚假人脸入侵检测分解为图像入侵、回放视频入侵、3D面具入侵的三种检测子问题,解决难以同时获取多类型虚假人脸与真脸的可区分特征描述问题;最后通过融合子问题的解决方案,提出能够应对多类型虚假人脸入侵的综合检测算法,克服实际应用中虚假人脸属性未知情况下,子问题检测算法不能有效检测的瓶颈。论文对虚假人脸入侵检测子问题与融合检测算法的主要研究工作如下:1.针对图像入侵在传统颜色空间下真脸与虚假人脸颜色信息差异难以提取的问题,本文提出了一种基于CompactNet的图像入侵检测算法。在该算法中,通过对真脸与打印的照片或显示的图像存在的颜色差异,利用紧凑空间生成器学习一个新的紧凑空间,使得在新的空间下具有类内距离小、类间距离大且保持一个安全距离的特性;提出利用预训练的特征提取器提取紧凑空间下的特征描述,消除由外部干扰因素（光照变化、像素未对齐等）引起的度量误差;训练过程中,鉴于真脸与虚假人脸样本分布的复杂性,引入了一种新的“点到中心”的三元组训练样本组合方式,使得三元组代价函数在训练过程中下降更加稳定,同时为了防止网络可能出现的过拟合问题,三元组代价函数产生的梯度在优化过程中,只作用于紧凑空间生成器的网络参数,而维持预训练的特征提取器网络参数不变。实验表明,该算法能有效检测打印照片或显示图像等类型的虚假人脸入侵。2.针对回放视频入侵含有活体信息干扰的问题,本文提出了一种基于运动模糊分析的回放视频入侵检测算法。在该算法中,通过对常见显示屏幕的显示原理进行分析,利用由显示屏幕的“滞后效应”引起的真脸与回放视频之间的亮度变化差异,提出一个能够描述亮度变化的1D CNN网络;另外,该算法通过对真脸与回放视频攻击间的运动模式差异进行分析,提出一种能够描述运动模糊程度的LSP特征;检测过程中,对1D CNN网络特征与LSP特征进行融合,完成对回放视频入侵的检测。实验表明,该算法与其他检测算法相比,具有更高的检测精度、更强的泛化能力。3.针对3D面具入侵含有深度结构信息干扰的问题,本文提出了一种基于本质图像分析的3D面具入侵检测算法。在该算法中,通过朗勃理论发现不同材质构成的3D面具与真脸具有不同的反射率,提出利用本质图像分解算法得到的人脸与3D面具的反射图,然后对反射图存在的信息差异进行分析,并将反射信息差异用于检测3D面具入侵;另一方面,由于心跳舒张与收缩状态的影响,真脸的面部区域会呈现出血流量的动态变化,提出利用三维网络独立提取由材质与心跳引起的反射率动态特征;检测过程中,将三维网络的特征进行级联完成对3D面具入侵的检测。实验表明,该算法能有效检测具有深度信息的3D面具入侵。4.针对独立类型的入侵检测算法不能有效检测未知入侵类型的问题,本文在对具体类型的虚假人脸分析基础上,将提出的针对于不同类型的虚假人脸入侵检测算法进行融合,建立了一个能够有效检测多类型虚假人脸入侵的综合算法,克服在实际应用中虚假人脸入侵的属性未知情况下,独立入侵类型的检测算法不能有效检测虚假人脸的瓶颈。实验表明,本文提出的多类型虚假人脸入侵检测算法对不同类型的虚假人脸具有良好的检测性能。