基于图像质量分析的人脸欺骗检测研究
发布时间：2021-10-01 02:04
为了保护人脸识别的安全,防止不法份子伪造他人身份信息通过人脸识别系统,人脸欺骗检测技术逐渐受到了人们的关注。目前大多数欺骗检测算法着重于分析人脸图像的明度信息而忽略了图像的色度信息,以致于在不同应用环境下的正确率较低并且稳定性较差。而真实人脸图像与二次成像的仿冒人脸图像在颜色分布上是有差异的,因此我们可以通过分析图像色度信息来区分是否为真实人脸。在实际应用中,人脸欺骗检测是在开放环境下进行的,这导致了系统会面对一些未知情况和未知攻击环境。为了提高模型的泛化性,我们进行了跨数据集实验。在进行跨数据集实验时,由于不同数据集图像的拍摄地点和设备的不同,导致现有方法错误率偏高。研究表明,在各种外部因素中,光照对欺骗检测的影响是最大的。因此,本文考虑从光照处理方面着手去除光照因素对于人脸欺骗检测的影响,降低跨数据集人脸欺骗检测的错误率。针对上述问题,本文给出相应解决方法并取得了如下成果:1.研究了一种基于颜色空间特征融合的人脸欺骗检测方法,通过将RGB图像转换到HSV与YCb Cr颜色空间,提取各个颜色通道上的局部二值模式特征和颜色矩特征来描述真实人脸与假冒人脸间的纹理和色度差异,将两种特征相融...
【文章来源】：重庆邮电大学重庆市
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
面具攻击破解刷脸支付根据使用媒介的不同欺骗攻击可分为三类：1.照片攻击
重庆邮电大学硕士学位论文第2章基于特征提取的人脸欺骗检测方法10(a)真实人脸(b)照片攻击(c)视频攻击图2.1常用欺骗攻击类型2.2欺骗检测方法分类根据使用描述子不同，欺骗检测方法可分为4种：1.基于纹理的方法。2.基于运动的方法。3.基于图像质量的方法。4.基于其他线索的方法。下面将分别介绍这些方法。2.2.1基于纹理的欺骗检测方法仿冒人脸图片在经过二次成像之后存在一些真实人脸图像中没有的纹理变化，因此纹理信息可用来区分真假人脸。纹理信息可以算是欺骗攻击最显著的特征，六成以上的方法单独使用纹理信息或者将纹理信息和其余特征相结合来进行欺骗检测[24]。多种的纹理特征都可用来检测欺骗攻击，局部二值模式(LocalBinaryPattern,LBP)[25]是使用最多的纹理特征。根据统计半数纹理方法都使用了LBP极其变种。LBP是一种光照不变的基于灰度的纹理编码技术，具体是指将每个像素值与周围像素值进行比较，如果周围元素值大于等于中心元素值则为1，否则为0，然后将所有周边元素得到的编码组合在一起就得到了中心元素的LBP编码。邻域数量、邻域半径和编码策略是LBP的三个参数。我们计算图像整体或者分块后的像素LBP值然后使用直方图来描述纹理。不同的LBP方法都能用来进行欺骗检测，比如原始LBP[26-28]，多尺度局部二值模式(Multi-scaleLocalBinaryPattern,MLBP)[29]，局部二值模式方差(LocalBinaryPatternVariance,LBPV)[30]和三个正交平面中的局
重庆邮电大学硕士学位论文第2章基于特征提取的人脸欺骗检测方法14(a)真实人脸(b)照片图2.2NUAA数据集不同环境下的真人和照片示例2.YaleRecapturedYaleRecaptured[50]（以下简称为YaleR）数据集是使用照相机对YaleFaceDatabaseB（以下简称YaleB）人脸识别数据集拍摄得到的。YaleB中包含了5760张人脸图片，由10个人在9种姿态和64种光照条件下拍摄而成。YaleR则是将YaleB中的部分图片放到3台液晶屏幕上显示，然后使用照相机队屏幕拍摄而成。最后YaleR由640张真人图片以及1920张照片攻击组成。每张图片都为灰度图，且为64*64像素大校3.CASIAFace-Anti-SpoofingDatabaseCASIAFace-Anti-SpoofingDatabase[51]（以下简称为CASIA）数据集包含了真实人脸和不同欺骗攻击的视频。真实人脸样本是从50个真人上采集而来，而假冒人脸样本则是对真实人脸的高质量照片和视频进行拍摄而成的。CASIA数据集上设计了三种欺骗攻击类型，分别为弯曲的照片攻击，抠去人脸区域的照片攻击和视频攻击。所有的真假样本都有3种图像质量，分别为低，中，高分辨率图像，是由
【参考文献】：
期刊论文
[1]人脸识别的光照预处理算法[J]. 杨作宝,侯凌燕,杨大利. 北京信息科技大学学报(自然科学版). 2015(06)
硕士论文
[1]复杂光照下的人脸识别算法研究[D]. 曾贞.电子科技大学 2019
[2]人脸识别中光照预处理算法研究[D]. 朱方志.哈尔滨工业大学 2017
本文编号：3417037
【文章来源】：重庆邮电大学重庆市
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
面具攻击破解刷脸支付根据使用媒介的不同欺骗攻击可分为三类：1.照片攻击
重庆邮电大学硕士学位论文第2章基于特征提取的人脸欺骗检测方法10(a)真实人脸(b)照片攻击(c)视频攻击图2.1常用欺骗攻击类型2.2欺骗检测方法分类根据使用描述子不同，欺骗检测方法可分为4种：1.基于纹理的方法。2.基于运动的方法。3.基于图像质量的方法。4.基于其他线索的方法。下面将分别介绍这些方法。2.2.1基于纹理的欺骗检测方法仿冒人脸图片在经过二次成像之后存在一些真实人脸图像中没有的纹理变化，因此纹理信息可用来区分真假人脸。纹理信息可以算是欺骗攻击最显著的特征，六成以上的方法单独使用纹理信息或者将纹理信息和其余特征相结合来进行欺骗检测[24]。多种的纹理特征都可用来检测欺骗攻击，局部二值模式(LocalBinaryPattern,LBP)[25]是使用最多的纹理特征。根据统计半数纹理方法都使用了LBP极其变种。LBP是一种光照不变的基于灰度的纹理编码技术，具体是指将每个像素值与周围像素值进行比较，如果周围元素值大于等于中心元素值则为1，否则为0，然后将所有周边元素得到的编码组合在一起就得到了中心元素的LBP编码。邻域数量、邻域半径和编码策略是LBP的三个参数。我们计算图像整体或者分块后的像素LBP值然后使用直方图来描述纹理。不同的LBP方法都能用来进行欺骗检测，比如原始LBP[26-28]，多尺度局部二值模式(Multi-scaleLocalBinaryPattern,MLBP)[29]，局部二值模式方差(LocalBinaryPatternVariance,LBPV)[30]和三个正交平面中的局
重庆邮电大学硕士学位论文第2章基于特征提取的人脸欺骗检测方法14(a)真实人脸(b)照片图2.2NUAA数据集不同环境下的真人和照片示例2.YaleRecapturedYaleRecaptured[50]（以下简称为YaleR）数据集是使用照相机对YaleFaceDatabaseB（以下简称YaleB）人脸识别数据集拍摄得到的。YaleB中包含了5760张人脸图片，由10个人在9种姿态和64种光照条件下拍摄而成。YaleR则是将YaleB中的部分图片放到3台液晶屏幕上显示，然后使用照相机队屏幕拍摄而成。最后YaleR由640张真人图片以及1920张照片攻击组成。每张图片都为灰度图，且为64*64像素大校3.CASIAFace-Anti-SpoofingDatabaseCASIAFace-Anti-SpoofingDatabase[51]（以下简称为CASIA）数据集包含了真实人脸和不同欺骗攻击的视频。真实人脸样本是从50个真人上采集而来，而假冒人脸样本则是对真实人脸的高质量照片和视频进行拍摄而成的。CASIA数据集上设计了三种欺骗攻击类型，分别为弯曲的照片攻击，抠去人脸区域的照片攻击和视频攻击。所有的真假样本都有3种图像质量，分别为低，中，高分辨率图像，是由
【参考文献】：
期刊论文
[1]人脸识别的光照预处理算法[J]. 杨作宝,侯凌燕,杨大利. 北京信息科技大学学报(自然科学版). 2015(06)
硕士论文
[1]复杂光照下的人脸识别算法研究[D]. 曾贞.电子科技大学 2019
[2]人脸识别中光照预处理算法研究[D]. 朱方志.哈尔滨工业大学 2017
本文编号：3417037
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3417037.html
最近更新
教材专著
