计算机工程与科学

作者：任拓, 闫玮, 况立群, 谢剑斌, 谌钟毓, 高峰, 郭锐, 束伟, 谢昌颐

单位：1.中北大学大数据学院，山西 太原 030051；2.国防科技大学电子科学学院，湖南 长沙 410073；3.辽宁科技大学电子与信息工程学院，辽宁 鞍山 114051；4.墨尔本大学医学、牙科和健康科学学院，澳大利亚 墨尔本 3010

关键词：人脸识别,活体检测,生成对抗网络,解纠缠表示学习,

基金：国家自然科学基金（62106238）;山西省回国留学人员科研资助项目(2020-113);山西省科技成果转化引导专项(202104021301055)

人脸活体检测是人脸识别系统安全性保证的关键，其中，解纠缠学习方法可以有效解决人脸活体检测中泛化数据集的问题，但是现有的解纠缠学习方法往往将整幅人脸图像作为输入，解析出伪造痕迹元素，会忽略伪造痕迹的局部细节问题。针对这一问题，改进现有的伪造痕迹解纠缠网络，提出多对抗性鉴别网络模型，在鉴别器中设计主鉴别器和区域鉴别器，引入人脸遮罩模块，生成人脸皮肤、五官遮罩蒙版，整合人脸局部信息，使生成器拟合的图像更接近数据集中人脸图像的分布，同时解离出加强版的伪造痕迹。提出的多对抗性鉴别网络有效地增强了伪造人脸图像的伪造痕迹信息并提高了人脸活体检测的准确率。具体来说，该网络模型在OULU-NPU数据集的2个实验中的检测错误率仅为0.8%和1.4%，相比STDN错误率显著降低，同时在Idiap Replay-Attack数据集上也达到了较好的检测效果。为了验证该网络模型的可迁移性，在NUAA数据集和Idiap Replay-Attack数据集上进行跨域实验，达到了不错的效果。

来源：2023年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第9期