检索结果-南通市图书馆

基于注意力的热点块和显著像素卷积神经网络的人脸防伪方法

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

计算机科学 2021年第4期48卷 316-324页

作者：吴晓丽胡伟北京化工大学信息科学与技术学院北京100029

人脸防伪用于验证被测试者是否为真实活体,是计算机视觉领域的一个研究热点。攻击手段的多样性以及人脸识别主要在嵌入式、移动式等不具备高计算能力的设备上应用,使得快速有效的人脸防伪计算成为具有挑战性的任务。针对该问题,文中提... 详细信息

人脸防伪用于验证被测试者是否为真实活体,是计算机视觉领域的一个研究热点。攻击手段的多样性以及人脸识别主要在嵌入式、移动式等不具备高计算能力的设备上应用,使得快速有效的人脸防伪计算成为具有挑战性的任务。针对该问题,文中提出了一种基于注意力的热点块和显著像素卷积神经网络的方法。其中,热点块机制以对5个热点块的判别来取代对整张人脸的判别,显著降低了计算量,迫使网络模型集中关注更具有鉴别信息的热点块,提高了网络模型的准确率;显著像素方法对输入的人脸图像进行显著像素预测,通过判断显著预测图是否符合人脸的深度特性来鉴别活体与攻击。该方法将热点块与显著像素的结果进行融合,充分发挥了局部特征和全局特征的作用,进一步提升了人脸防伪的效果。与现有方法相比,所提方法在CASIA-MFSD、Replay-Attack以及SiW数据集上都达到了很好的效果。

关键词：人脸防伪活体检测注意力机制热点块显著像素卷积神经网络

基于纹理特征增强和轻量级网络的人脸防伪算法

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

计算机科学 2022年第S1期49卷 390-396页

作者：沈超何希平重庆工商大学管理科学与工程学院重庆400067 重庆工商大学智能制造服务国际科技合作基地重庆400067 重庆工商大学人工智能学院检测控制集成系统重庆市工程实验室重庆400067

人脸防伪检测是人脸识别中较为重要的一环,对现实中的相关行业,如身份验证、安全密钥、金融支付等有着重大的意义。目前主流的基于深度学习的人脸防伪算法已经取得较为先进的效果,但仍存在部分问题,如模型参数过多,增加了实际部署的难度... 详细信息

人脸防伪检测是人脸识别中较为重要的一环,对现实中的相关行业,如身份验证、安全密钥、金融支付等有着重大的意义。目前主流的基于深度学习的人脸防伪算法已经取得较为先进的效果,但仍存在部分问题,如模型参数过多,增加了实际部署的难度,而轻量级的网络结构的泛化性能并不好等。针对相关人脸防伪算法泛化能力差、参数量过大等问题,提出了一种人脸纹理信息增强方法和基于改进FeatherNet网络的人脸防伪检测算法,通过对真伪人脸信息纹理差异特征的筛选并增强作为骨干网络的输入,在骨干网络的设计上引入了DropBlock模块以及加入了多通道注意力特征图分支,在保持速度的前提下实现了泛化性能的增强。所提算法在库内测试和跨库测试上均显示出了良好的性能提升。

关键词：人脸防伪纹理特征增强多通道注意力轻量级网络

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于双目视觉的三维人脸防伪的研究与应用

基于双目视觉的三维人脸防伪的研究与应用

作者：张守风西安电子科技大学

学位级别：硕士

基于双目RGB视觉图像的人脸防伪方法,是人脸识别领域的一个重要的研究方向,其主要目标是探索如何提取更加丰富的人脸特征,提高人脸识别和伪造人脸检测的鲁棒性和可靠性。与此同时,如何快速鉴别真假人脸并且能够抵御照片、视频以及面具... 详细信息

基于双目RGB视觉图像的人脸防伪方法,是人脸识别领域的一个重要的研究方向,其主要目标是探索如何提取更加丰富的人脸特征,提高人脸识别和伪造人脸检测的鲁棒性和可靠性。与此同时,如何快速鉴别真假人脸并且能够抵御照片、视频以及面具等方式的攻击,一直是人脸防伪领域的研究焦点。近年来,深度学习技术在各个领域都取得了快速的发展和广泛的应用。在面对伪造人脸攻击这种最常见的威胁时,如何使用深度学习技术,快速且准确地鉴别出真假人脸,成为了一个非常值得研究的问题。在基于深度学习的人脸防伪网络中,根据欺骗线索标记方式或者欺骗线索来源的不同,大致分为基于二元监督、时空信息、深度图、欺诈痕迹分离以及多模态等方法。其中,基于二元监督的方法将人脸防伪视为一个二分类的任务,难以学习到伪造人脸的本质特征。而其它的方法,大多存在因为模型参数太多难以实现实时检测,或者因成本过高难以部署在一般的笔记本电脑、手机等移动端设备上等问题。基于双目RGB传感器的方案在移动端设备的部署成本很低,相比单目可以提取更多的视觉信息,并且这种基于双目视觉的方案可以有效使用三维重建技术,可用于特定场景下的人脸防伪任务。一个现实的困难是,如果直接将立体匹配网络应用在人脸防伪任务,将会面临模型参数多和检测时间长,以及跨数据集模型泛化能力下降造成检测结果不理想等难题。针对以上问题,论文结合具体项目需求,对具有跨数据集泛化能力的CFNet网络做出了改进,提出了一个满足实时人脸防伪的LCFNet网络。在此基础上,设计并完成了一套可用的线上考勤管理系统,解决了企业线上办公考勤以及记录出勤数据的问题。论文所完成的主要工作总结如下:1.针对双目RGB的人脸防伪任务,深入研究了基于双目视觉的立体匹配网络,通过对近五年已提出的立体匹配算法的研究与复现,探讨了立体匹配网络直接应用于人脸防伪问题的可行性,根据实验测试结果总结了立体匹配网络在实际人脸防伪应用中存在不满足实时性的问题。2.通过分析CFNet立体匹配网络的具体模块及其作用,提出了一种轻量化的端到端的实时立体匹配网络LCFNet。LCFNet修改了特征提取模块,加快了网络预测的速度;引入了残差预测,避免了在大分辨率左右特征图上构建成本体的复杂计算;优化了损失函数,通过两阶段渐进细化视差提高视差精度的同时,保证整个网络训练效果达到整体最优。在LCFNet的基础上,设计了一个基于视差图进行人脸防伪分类网络。3.在LCFNet的基础上结合二分类网络作为人脸防伪算法,设计实现了一个集成人脸识别与活体检测的考勤系统软件,并完成了系统的可用性实验。在自建活体检测数据集上,对本文人脸防伪算法的效果完成了充分的测试实验,与当前主流的人脸防伪算法的准确率进行实验对比,验证了本文活体检测方法的有效性;通过将LCFNet替换为CFNet等立体匹配网络,结合二分类网络进行活体检测实验,验证了LCFNet在实际人脸防伪任务的可用性。最终的实验结果表明,LCFNet应用于人脸防伪任务具有更为明显的优势:(1)在双目环境下比主流人脸防伪方法更准确;(2)模型整体参数更小;(3)较主流立体匹配算法预测速度更快。同时,可用性实验结果表明,论文所完成的系统功能基本完备,能够有效地完成在线考勤任务。

关键词：深度学习立体匹配人脸防伪人脸识别考勤系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于人脸防伪的移动智能终端安全性研究

基于人脸防伪的移动智能终端安全性研究

作者：魏一鸣东南大学

学位级别：硕士

人脸识别技术应用于手机、平板电脑等移动智能终端的现象越来越普遍。然而通过打印照片、重播视频以及制作掩膜等方式能够伪造人脸绕过移动智能终端的识别机制,从而对其身份识别系统造成极大的威胁。因此,如何检测虚假人脸是目前移动智... 详细信息

人脸识别技术应用于手机、平板电脑等移动智能终端的现象越来越普遍。然而通过打印照片、重播视频以及制作掩膜等方式能够伪造人脸绕过移动智能终端的识别机制,从而对其身份识别系统造成极大的威胁。因此,如何检测虚假人脸是目前移动智能终端人脸防伪技术的研究热点。传统的人脸防伪技术以人工设计特征(Hand-crafted Features)作为区分人脸真伪的依据,由于加入了过多的人为限制,通常适用于防范打印照片攻击的模型难以用于抵御重播视频攻击,存在着对于不同种类攻击通用性差的问题。为了提高算法的通用性,将深度学习引入人脸防伪领域。然而,现有的基于深度学习的模型存在三大问题:一是,对于人脸姿态、表情和光照条件变化的适应性差;二是,缺乏明确的监督信息,模型学习到的并不是区分人脸真伪的关键特征,导致检测的准确度不高;三是,对于人脸视频的采集设备和方式等比较敏感,对不同数据集的泛化性差。针对上述问题,本文提出了一种静态特征和动态特征相融合的人脸真伪检测方案。主要工作和创新点如下:1.本文所提的静态特征和动态特征相融合的人脸真伪检测方案首先通过移动智能终端的摄像头采集人脸视频,然后对连续帧进行采样;提取其中第一帧人脸的深度图作为静态特征;再引入光流引导特征,通过分析采样后所有帧中人脸的动态变化得到动态特征;最后将两者融合并以此作为依据区分人脸的真伪。该方案通过设置融合系数λ,控制静态特征和动态特征的相对重要程度,综合了静态特征和动态特征各自的优势,使得融合特征同时具有较强的通用性、适应性和泛化性。2.针对现有算法对不同人脸姿态、表情和光照条件适应性差以及检测准确度不高的问题,本文提出了一种基于3D点云图和深度图的人脸静态特征提取方法,先重建3D点云图,再基于此提取人脸深度图。为了增强对于不同人脸姿态、表情和光照条件的适应性,该方法采用PRNet算法,通过设置专门的UV空间映射,重建图像中人脸的3D点云图。为了提取对于真伪人脸区分度高的特征,进而提高检测的准确度,该方法将3D点云图归一化,以此作为真实标记指导深度网络模型进行训练,引入了明确的监督信息,提取人脸的深度图作为静态特征。3.针对现有算法对不同数据集泛化性差的问题,本文提出了一种基于时序关系和注意力机制的人脸动态特征提取方法。该方法采用光流引导特征(Optical Flow Guided Features)表示连续帧中人脸的短期动态变化,采用CGRU模块对短期动态变化进行积累得到长期动态变化,使得在获得连续帧时序关系的同时,又保留了人脸的空间信息;同时采用注意力机制根据重要程度对不同时间点的视频帧加权组合得到人脸的动态特征,对不同数据集具有较强的泛化性能。4.为了验证本文所提方案的有效性,本文利用CASIA-MFSD、Replay-Attack和SiW三个数据集进行了数据集内部测试和数据集交叉测试,并且对单一特征和融合特征的效果进行了对比。实验结果表明,基于静态特征或动态特征的人脸真伪检测的错误率都不同程度地低于现有算法的错误率;静态特征在数据集内部测试时表现较好,动态特征在数据集交叉测试时表现较好;而融合特征相较于单一的静态特征或动态特征错误率更低,其在数据集内部测试的平均分类错误率最低为(0.18±0.23)%,在数据集交叉测试的半错误率最低为17.0%,能够更好地用于区分人脸真伪。

关键词：移动智能终端人脸防伪深度图注意力机制融合特征

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多特征融合的人脸防伪技术研究

基于多特征融合的人脸防伪技术研究

作者：杨敏武汉大学

学位级别：硕士

可信身份识别是信息时代公众安全保障的重要基石,随着以身份认证为角色的人脸识别系统应用在生活中的各个方面,人脸防伪问题也受到广泛的关注。本文着力于研究可信身份认证中人脸防伪算法。人脸识别系统中,伪装攻击表现出非控、方式多... 详细信息

可信身份识别是信息时代公众安全保障的重要基石,随着以身份认证为角色的人脸识别系统应用在生活中的各个方面,人脸防伪问题也受到广泛的关注。本文着力于研究可信身份认证中人脸防伪算法。人脸识别系统中,伪装攻击表现出非控、方式多样、场景多样、材质多样等特点,导致伪装攻击对象差异多样,可区分特征较少,且图像采集域各不相同,更突显可区分特征少的问题。此外,基于深度神经网络的人脸防伪算法都存在计算量大,模型复杂度高,难以在计算资源有限的应用平台部署。本文针对上述问题进行研究,具体工作包含以下几个方面。首先,本文从寻找方式多样的攻击对象差异出发,针对攻击对象存在背景依赖和非刚性运动造成的深度信息缺失问题,采用边缘信息放大差异,改进现有算法中深度信息监督网络的损失函数,并且通过融合边缘特征网络与深度信息网络来提高差异性特征的表征能力,实现具有较高性能的基于人脸边缘与深度信息融合的人脸防伪算法。其次,本文从现有人脸防伪算法跨域迁移性差出发,深入分析伪装攻击对象具有差异性的原因,采用分组正则化的手段强化模型自动选择特征和抑制噪声学习的能力,并通过多损失联合学习的方式提高算法的鲁棒性,实现具有较高防伪性能和较强泛化能力的人脸防伪算法。最后,本文针对现有深度学习的人脸防伪算法存在计算量大,对计算资源要求较为严格,难以在资源有限的应用平台满足实时性的问题,采用卷积重构与特征重标定的方式,在保证模型精度的前提下,尽可能的压缩模型参数,降低模型复杂度,为算法能在应用平台部署提供了技术支撑。

关键词：人脸防伪特征融合分组正则多损失联合学习模型轻量化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

运用特征融合的人脸防伪方法研究

运用特征融合的人脸防伪方法研究

作者：刘琼重庆邮电大学

学位级别：硕士

人脸防伪是人脸识别研究的一个重要衍生课题。由于人脸识别在日常生活中的广泛应用,使得人脸防伪研究得到了许多研究者的关注。为了有效地区分真实人脸和伪造人脸,提升人脸识别的准确率,研究者们从不同角度对此问题进行了探索。早期受... 详细信息

人脸防伪是人脸识别研究的一个重要衍生课题。由于人脸识别在日常生活中的广泛应用,使得人脸防伪研究得到了许多研究者的关注。为了有效地区分真实人脸和伪造人脸,提升人脸识别的准确率,研究者们从不同角度对此问题进行了探索。早期受到人脸防伪数据集不足的限制,人脸防伪研究只能从纹理、图像质量等方面进行研究;随着相关数据集的不断完善,现在能够从深度,光照等其他角度进行研究。然而,人脸防伪技术的不断发展也使得伪造人脸类型的不断增加,使得如何获得真实和伪造两类更具有代表性的人脸特征也成为了当前的研究重点之一。因此,本文从真实人脸和伪造人脸之间的差异出发,对人脸防伪的特征提取和分类阶段进行了部分改进,总体来说本文的主要研究内容如下:1.为了有效地区分真实人脸和伪造人脸,本研究在特征提取阶段从深度学习特征和ICA特征进行融合;深度特征采用ResNet结合SE-Net网络获得融合后的特征,该部分特征有效的增强了各特征通道的相关性,独立成分分析ICA方法提取的特征获取包含丰富高阶信息的特征,随后将以上两部分特征进行拼接并融合,再次使用SE-Net网络进行特征融合;最后进行分类,将输入图像区分为真实人脸和伪造人脸两类,提升后期人脸分类准确率。在人脸防伪数据集上进行实验验证。通过与当前其他多种相关优秀算法进行实验对比,结果表明,取得了更好的分类准确率。2.为了提升方法的泛化能力,本研究增加了正则化方法来改进网络的平衡能力,改进了损失函数。将其与传统的正则化方法进行对比;首先将正则化方法运用在SE-ResNet网络上并进行实验,选取了多组参数进行实验,采用效果最佳的参数;其次,将性能最佳的改进网络结合ICA方法与当前其他多种优秀算法进行对比实验,综合评估表明该正则化方法的引入使得主干网络的特征提取更加平衡,也更具有表征能力。

关键词：人脸防伪深度残差网络特征融合正则化独立成分分析

基于特征筛选和自适应元学习的人脸防伪方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征筛选和自适应元学习的人脸防伪方法研究

作者：彭冬梅武汉大学

学位级别：硕士

人脸防伪作为抵御人脸生物特征欺骗的有效技术手段,可为人脸识别的安全性应用提供可靠保障。本文主要面向人脸防伪技术领域中常见的打印照片攻击、屏幕攻击等图像攻击方式展开具体研究,针对人脸防伪技术中存在的有效特征提取及泛化性能... 详细信息

人脸防伪作为抵御人脸生物特征欺骗的有效技术手段,可为人脸识别的安全性应用提供可靠保障。本文主要面向人脸防伪技术领域中常见的打印照片攻击、屏幕攻击等图像攻击方式展开具体研究,针对人脸防伪技术中存在的有效特征提取及泛化性能提升问题提出有效的优化方案。具体地,本文的技术研究包含以下几个方面:（1）提出了层级特征筛选机制,优化面部深度特征的区分性能。面部深度特征是目前解决人脸防伪图像攻击问题中应用广、效果好的有效技术手段,且该特征提取的有效性与人脸防伪模型的分类效果直接关联。前期的相关研究将面部深度特征作为人脸防伪二分类的辅助监督信息或是与时序信息相互结合,这部分研究工作忽略了不同层级之间的特征联系在空间域图像深度特征估计中存在的影响。本文所提出的层级特征筛选机制,通过利用层级之间的特征关联优化面部深度特征图的有效提取,补充部分特征细节,加强面部深度特征在人脸防伪模型中的区分性能。（2）提出了基于视点加权的交叉熵损失函数,为面部深度特征的学习过程提供更加有效的约束监督。由于传统的欧式距离损失对差异的平均化,将其应用于面部深度特征提取时容易造成部分平缓变化区域中深度信息的丢失,保留的差异性大的特征也有可能与图像样本中存在的噪声信息相互干扰,影响人脸防伪模型的区分性能。本文采取基于视点加权的交叉熵损失函数作用于真实样本的面部深度信息提取过程,通过重构不同面部区域的深度特征学习重点,弥补因差异平均化造成的深度特征丢失,优化面部深度特征信息的有效提取。（3）提出了自适应损失调节策略,优化基于MAML（Model-Agnostic Meta-Learning）[36]的元学习方法对人脸防伪模型泛化性能的提升效果。传统的MAML技术存在梯度下降不稳定、收敛速度慢等问题,本文提出的自适应损失调节策略通过将初始化模型参数的计算损失引入至优化目标中,并自适应调节其与外循环更新阶段的损失权重,满足元学习器在持续面对随机任务学习时所需的快速适应能力,从而获取更加优质的初始化模型参数,提升人脸防伪模型在跨域数据及未知数据类型之间的泛化迁移能力。本文在Replay-Attack、CASIA-FASD及OULU-NPU三种不同的数据集上对本文所提出的研究方案进行有效性验证,并从定量及定性的角度展开具体分析。实验结果表明,本文所提出的技术方案在人脸防伪模型检测精确度上较对比算法[29]至少优化了6.90%,在模型泛化性能层面较对比算法[40]至少提升了11.86%。

关键词：人脸防伪面部深度特征特征筛选与模型无关的元学习自适应

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于可判别泛化特征学习的人脸防伪识别

基于可判别泛化特征学习的人脸防伪识别

作者：阮荣钜华南理工大学

学位级别：硕士

人脸防伪技术作为人脸识别系统中重要的安全性保障,近年来得到了学术界与工业界的广泛关注。尽管目前人脸防伪算法在某些场景下取得不错的效果,但仍然存在着一些未解决的问题:第一,现有绝大多数算法以二分类为目标,导致模型无法学习最... 详细信息

人脸防伪技术作为人脸识别系统中重要的安全性保障,近年来得到了学术界与工业界的广泛关注。尽管目前人脸防伪算法在某些场景下取得不错的效果,但仍然存在着一些未解决的问题:第一,现有绝大多数算法以二分类为目标,导致模型无法学习最优的可判别性特征;第二,忽视了真实特征与攻击特征的解纠缠,可解释性不足,性能无法进一步提高;第三,在跨域场景下,人脸防伪算法的泛化性能不足。为了解决上述问题,本文以细粒度分类、解纠缠、域泛化等知识为基础,对提高人脸防伪算法的识别精度、泛化性能进行研究,主要工作如下:针对问题一和问题二,本文提出了一种基于双阶段由粗到细的多分类人脸防伪方法,将多分类作为目标,采用双阶段训练,配合多种监督函数来指导网络学习可以区分真实与攻击人脸图像的解纠缠的可判别性特征。整个算法分成两个阶段,在第一阶段初步训练特征生成器,使用生成对抗损失,Hessian惩罚以及交叉熵损失作为监督,初步学习解纠缠特征。在第二阶段首先强化伪造人脸图像的攻击特征,随后使用预训练的特征生成器,并用一致性损失来约束其对特征提取能力的稳定性,最终使用Hessian惩罚、Ranking损失以及多分类交叉熵损失进行监督,进一步学习解纠缠的可判别性特征。针对问题三,本文提出一种基于特征约束的人脸防伪算法,通过对特征空间施加约束,在不使用域标签的前提下学习泛化特征。为了消除域偏差以及标准化特征空间,本节提出了一个基于特征统计属性的双重归一化模块,将特征约束到一个标准的水平。在通道维度和空间维度上计算特征的统计属性,进行归一化操作得到消除域偏差的泛化特征。此外,为了引导深度网络学习一般泛化特征而不是个别突出特征,本文提出了一种异常梯度抑制的训练方法。通过约束特征来监督网络的更新,指导网络进行一般性学习,进一步提高网络的泛化能力。最后本文归总了一个多种攻击类别的多分类数据集,并在该数据集以及四个公开的数据集Replay-Attack、CASIA-FASD、MSU-MFSD以及OULU-NPU上进行实验,将本文方法与现有算法在各项指标上进行对比。

关键词：人脸防伪细粒度分类解纠缠域泛化

一种基于FAS-Transformer的人脸防伪方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

黑龙江大学自然科学学报 2023年第3期40卷 369-378页

作者：魏鑫马宏斌王英丽黑龙江大学电子工程学院哈尔滨150080

针对人脸防伪方法在应对不同表征攻击和未知表征攻击时,普遍存在有效性和泛化性差的问题,提出了一种人脸防伪方法。将在自然语言处理领域应用的注意力机制引入人脸防伪任务,获取特征之间的成对相似性关系,提升方法的有效性和泛化性。针... 详细信息

针对人脸防伪方法在应对不同表征攻击和未知表征攻击时,普遍存在有效性和泛化性差的问题,提出了一种人脸防伪方法。将在自然语言处理领域应用的注意力机制引入人脸防伪任务,获取特征之间的成对相似性关系,提升方法的有效性和泛化性。针对人脸防伪模型在训练过程中数据量不足的问题,引入迁移学习的思想,通过对FAS-Transformer预训练模型进行改进,使其快速地部署到二分类任务中。为验证所提出方法的有效性,分别设计了集内测试实验和集间测试实验,与主流方法进行了对比。实验结果表明,本方法获得了预期效果。

关键词：注意力机制人脸防伪迁移学习 FAS-Transformer