基于解耦空間異常檢測的人臉活體檢測算法

徐姚文 毋立芳 劉永洛 王竹銘 李 尊

（北京工業大學信息學部，北京 100124）

1 引言

人臉活體檢測是一個典型的開集識別問題，攻擊手段層出不窮且日新月異［1］。現有的數據集幾乎不可能包含所有攻擊類型，盡管有研究者在收集數據時盡可能全面地考慮并設置攻擊類型，但依舊存在新的攻擊方式未被發現，并且用于呈現人臉的欺騙媒介也有無窮無盡的樣式，包括不同的材質（電子顯示屏、打印紙張、三維面具等）、不同分辨率（屏幕分辨率、打印機分辨率等）、不同色彩表現（色彩飽和度、亮度、對比度等）。因此，現有的人臉活體檢測方法是在有限的數據上學習和推理活體與假體間的差異，并嘗試推廣到未知的數據上進行人臉活體檢測。

近些年，主流方法從兩個方面進行研究：一種是探索魯棒的泛化性能好的特征，另一種是收集或者生成更多數據來提高模型的域適應能力。在第一類工作中，研究者探索了有判別力的信息作為活體檢測的重要依據，例如人臉深度［2］、遠程光電容積描記［3］和欺騙噪聲［4］。還有研究者借助了其他的硬件設備獲取了一些魯棒的信息，如使用近紅外相機得到紅外圖像［5］、使用光場相機［6］獲取目標反射光在空間中的位置以及方向等信息、使用深度相機［7］直接獲取目標的不同區域與相機的距離。這些線索和信息確實能夠很大程度上的提高人臉活體檢測的性能，但是面對復雜的應用場景、多變的攻擊類型和不受控制的采集環境，這些信號可能會淹沒在一些圖像中，或者成為誤導信號，面對復雜場景的人臉活體檢測性能有限。……