基于图像质量失真特征分析的人脸活体检测-02

Posted zhaopengpeng

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了基于图像质量失真特征分析的人脸活体检测-02相关的知识,希望对你有一定的参考价值。

1. 基于图像质量特征分析的大致流程如下,主要围绕:镜面反射特征(Specular reflection feature)/模糊特征(Blurriness feature)/ 色矩特征(Chromatic moment feature)/ 颜色多样性特征(Color diversity feature)等四方面展开。

技术图片

参考:论文:Face Spoof Detection with Image Distortion Analysis. 2015.

2. Specular reflection feature

       在同一成像环境中将真实的面部或欺骗性面部(例如打印的照片或屏幕上的回放视频)呈现给相机,真实的面部和欺骗性面部图像之间的主要区别:在于“形状 ”和摄像头前面的脸部特征。根据镜面反射模型,可以将图像分为镜面反射图像和漫反射图像两部分。

1)  镜面反射特征的提取方式

参考:论文:Real-time specular highlight removal using bilateral filtering, ECCV, 2010.
                     Separating reflection components of textured surfaces using a single image, IEEE Trans. Feb. 2005.
技术图片

2). 利用NUAA数据集中的活体与非活体图像,对提取的镜面反射特征进行量化分析;

量化分析过程参考:论文:Face Spoof Detection with Image Distortion Analysis. 2015.

技术图片

 

技术图片

 

 

 

01_1等代表图像的名字(依次从左到右,从上到下);

B_m/G_m/R_m分别代表镜面反射图的B/G/R各个通道的均值;

B_per/G_per/R_er分别代表各通道镜面反射图的像素部分占整幅图像的的比例;

B_var/G_var/R_var代表镜面反射图的B/G/R通道的方差;

3. Blurriness Features

       对于短距离欺骗攻击,欺骗面孔通常会在手机相机中散焦。 原因是欺骗介质(打印纸,平板电脑屏幕和手机屏幕)通常尺寸有限,攻击者必须将其放置在靠近相机的位置,以掩盖攻击介质的边界。 结果,欺骗的面孔容易散焦,并且由于散焦而导致的图像模糊可以用作反欺骗的另一线索。

1) 图像的模糊度度量方式技术图片

 

 

 参考:论文: The blur effect: perception and estimation with a new no-reference perceptual blur metric, 2007.

2)  利用NUAA数据集中的活体与非活体图像,进行图像模糊度度量;

技术图片

 

Vec_ratio:是图像垂直方向的模糊度; Hor_ratio:是图像水平方向的模糊度;数值越大,代表图像在那个方向越模糊;

4. Chromatic Moment Feature

1) .色矩特征的提取及量化结果分析

 技术图片

技术图片

 

 

 参考:HSV空间各通道分离实验及各值意义:https://blog.csdn.net/bamboocan/article/details/70627137

            偏度(skewness)和峰度(kurtosis):https://blog.csdn.net/xbmatrix/article/details/69360167

5. Color Diversity Features

1) 图像的颜色多样性特征量化

  输入图像 -> 分离各个通道(R/G/B)-> 将各通道的像素值(0-255)进行等间隔量化(如255/35=7,像素0-6,标记为0;像素7-13,标记为1;......像素值为218-225,标记为:34)->统计各个区间的出现的频率个数,并排序->只取频率出现最大的前5个区间的标志作为特征输出;

2)针对NUAA数据集中的图片进行量化的结果

技术图片

 

 

注: 数值越大,代表像素主要集中在较大值范围内出现的频率越多,即图像越亮;反之,则图像越暗;

6. 实验结果分析

1) 关于人脸欺骗数据集简介

技术图片

 

 

   NUAA Photograph Imposter数据库[8]于2010年发布,是最早的公共领域欺骗数据库之一。它由12,614张图像(从143个视频中提取)组成,仅包含15个对象的真实和攻击尝试。此外,NUAA数据库中仅包含手持式打印照片攻击。
      Idiap REPLAY-ATTACK数据库[4]于2012年发布,包含1300个视频记录,分别记录了50个不同主题8的实时访问和攻击尝试。在相同的采集条件(受控和不利的照明)下,通过打印照片,在手机屏幕上显示的照片/视频以及在HD屏幕上显示的照片/视频伪造同一对象的实时验证尝试,从而产生了面部欺骗攻击。

      2012年发布的CASIA面部反欺骗数据库(FASD)包含600个真实的视频录像和50种不同身份的攻击尝试。尽管CASIA数据库的大小比Idiap数据库小,但在采集设备(高分辨率Sony NEX-5相机和低质量USB相机),面部变化(姿势和表情变化)方面,它包含更多样例,以及攻击尝试(扭曲照片,剪切照片和高清显示的视频)。

注:针对以上数据集,并没有开源,想要下载需要填写相关使用申请说明等诸多限制,可下载访问的数据集目前只有NUAA。

2)利用图像质量失真特征,针对NUAA数据集进行训练与测试

技术图片

 

 

 实验结果分析:上述图像失真特征分析的方法,主要是针对手机屏幕显示照片、视频回放等数据集进行训练测试的,可能本人利用NUAA数据集(主要是图像照片攻击)来进行训练、测试效果才使得结果不那么理想。

 

以上是关于基于图像质量失真特征分析的人脸活体检测-02的主要内容,如果未能解决你的问题,请参考以下文章

人脸识别活体检测技术讨论:基于背景人脸相对运动的活体判断方法

人脸活体检测人脸识别:眨眼+张口

干货 | 史上最全 OpenCV 活体检测教程!

人脸识别中活体检测的重要性是啥?

通过人脸活体检测技术,解决了实名认证环节存在的风险与漏洞

Android的虹软人脸识别和活体检测(附含10000个人脸图片和特征zip下载)