11、基于深度局部二值模式的人脸反欺骗技术

基于深度局部二值模式的人脸反欺骗技术

1. 引言

如今，各类人脸欺骗攻击已成为多数人脸识别系统面临的重大安全威胁。随着互联网和社交媒体的发展，犯罪分子能轻易获取入侵生物识别系统的方法。比如，YouTube 上曾有破解 iPhone5S Touch ID 系统的指纹破解视频；研究人员对六个商业人脸识别系统进行测试，发现即便社交网络上仅有 39%的图片可用于欺骗，但这些图片却能骗过 77%的用户认证软件；在国际生物识别会议（ICB 2013）的现场演示中，一名化特定妆容的女性入侵者成功骗过了人脸识别系统。

根据假人脸的制作材料，人脸欺骗攻击主要分为以下三类：
- 打印攻击 ：使用合法用户的静态照片或图像来欺骗人脸识别系统。
- 重放攻击 ：利用人脸视频入侵系统。
- 3D 面具攻击 ：通常使用 3D 人脸面具进行攻击，制作过程复杂且成本高。

其中，打印攻击和重放攻击属于 2D 人脸攻击，是最常见且简单的人脸欺骗攻击方式。

为检测人脸欺骗攻击，近年来提出了众多方法，可分为基于机器学习和基于深度学习的方法。基于机器学习的方法主要从人脸图像中提取手工特征并训练分类器，但需要研究人员凭借先验知识设计特征，且在未知环境下性能难以保证。基于深度学习的方法则专注于设计模型结构，具有更强的鲁棒性，但需要大量训练样本优化参数，这对于现有的人脸反欺骗数据库来说不现实。

因此，本文提出的方法将机器学习和深度学习相结合，利用深度学习卷积层的不同频率响应提取手工特征，同时考虑到真实和假人脸在色度通道上的差异，利用颜色信息进行人脸