利用区域关系的先验知识进行面部呈现攻击检测

《IEEE Design & Test》：Face Presentation Attack Detection by Exploiting Prior Knowledge of Region Relationships

人脸识别系统面临对抗攻击威胁，现有方法多分析真实与攻击样本差异，但对图像属性和区域运动变化研究不足。本文提出基于区域关系先验的新检测方法：采用时空注意力机制的预训练网络对分割的图像小块提取特征，结合纹理相似度（COSINE）和运动一致性（MSE）双指标进行验证。实验在六个攻击检测数据库上验证，精度显著优于SOTA方法。

　　

摘要：

面部识别系统已广泛应用于移动设备中，用于用户身份验证和支付应用。然而，这些生物识别系统仍然容易受到面部伪装攻击的影响，存在严重的安全风险。近年来，人们提出了许多对策，其中分析真实面部图像与伪装图像之间的差异是一种常用的策略。然而，图像属性的变化以及面部区域的运动方式尚未得到充分研究。在伪装图像中，面部区域和背景的纹理往往更为相似，而局部区域的运动方向与真实面部图像相比也更为一致。基于这一观察结果，我们提出了一种新的面部伪装攻击检测方法，该方法利用了对区域关系的先验知识。具体而言，首先将每张输入的面部图像序列分割成小块，然后通过预训练的卷积神经网络（CNN）进行处理，该网络采用时分空注意力机制来提取深度特征。接下来，使用两种指标——Cosine相似度和均方误差（MSE）来衡量感兴趣区域的纹理相似性和运动关系。在推理阶段，将这些测量结果结合起来以区分真实面部图像和伪装图像。在六个面部伪装攻击检测（PAD）数据库（即Idiap Replay-Attack、CASIA-MFSD、OULU-NPU、MSU-MFSD、3DMAD和HKBU-MARs V1+）上进行的广泛实验表明，我们的方法具有更好的检测性能，在大多数实验设置中显著提高了精度，优于现有的最先进方法。