基于3D卷积神经网络的活体人脸检测

作     者：甘俊英 李山路 翟懿奎 刘呈云 GAN Jun-ying;LI Shan-lu;ZHAI Yi-kui;LIU Cheng-yun

作者机构：五邑大学信息工程学院广东江门529000 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2017年第33卷第11期

页      面：1515-1522页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61372193 61070167) 广东高校优秀青年教师培训计划资助项目(SYQ2014001) 广东省特色创新项目(2015KTSCX143 2015KTSCX145) 广东省青年创新项目(2016KQNCX171) 

主　　题：3D卷积神经网络 活体人脸检测 人脸反伪装 社会安全 

摘      要：非法入侵者通过伪装人脸骗取系统认证,给人脸认证系统带来了严重的威胁。因此,活体人脸检测成了人脸认证系统走向实用必须解决的一个重要课题。现有活体人脸检测方法多为基于照片的人脸攻击方面的研究成果,对于基于视频的人脸攻击,效果并不理想。3D卷积神经网络(Convolutional Neural Network,CNN)具有深度学习的特点,能自动学到图像的分布式特征表示;与2D卷积相比,它能学到连续视频帧的动作信息。本文结合3D卷积神经网络的特性,提出利用3D卷积实现视频人脸伪装检测。通过提取3D卷积神经网络最后全连接层学到的时间空间特征,训练SVM(Support Vector Machine)分类器,实现真实人脸和伪装人脸的分类。实验采用两个人脸伪装公开数据库Replay Attack和CASIA,实现多尺度内部数据库测试和交叉数据库测试。实验结果相对于纹理特征及2D卷积方法有较大提高,可应用于视频人脸攻击的活体人脸检测。