[人脸活体检测] 论文：Face Anti-Spoofing Using Patch and Depth-based CNNs

Face Anti-Spoofing Using Patch and Depth-based CNNs

这篇文章是人脸防伪领域比较容易理解，适合入手的一篇，主要运用到了两个CNN网络，根据输入图像的细节特征以及深度图特征来进行判别。

一、 论文概述

由于直接基于RGB纹理分类的方法非常容易过拟合，而像屏幕中的人脸一般是平的，估计不出深度信息，所以patch and depth-based CNNs方法将深度信息和RGB特征进行融合。

文章引用量：50+

推荐指数：✦✦✦✧✧

[2] Atoum Y, Liu Y, Jourabloo A, et al. Face anti-spoofing using patch and depth-based CNNs[C]//2017 IEEE International Joint Conference on Biometrics (IJCB). IEEE, 2017: 319-328.

• 文章创新点：提出了一个双通道的CNN网络用于人脸防伪；
• 运用到的两个网络：

（1）卷积神经网络（CNN），输入是固定尺寸的局部图片，输出是一个分类score，网络部分对输入的局部特征进行深层提取，并根据输出的分类score判断这种局部特征是属于spoof or live。

（2）全卷积网络（FCN），输入是整张人脸图像，尺寸不固定，经过多层卷积网络的特征提取以及SVM得到分类结果是spoof or live。

（3）将两个网络得到的结果通过某种方式进行融合，得到最终输出。

• 采用的数据集：CASIA-FASD / MSU-USSA / Replay Attack

二、 论文涉及的两个网络（配合图解说明）