-
题名具有对抗鲁棒性的人脸活体检测方法
被引量：3
- 1
-
-
作者
王春东
李泉
付浩然
浩庆波
-
机构
天津理工大学计算机科学与工程学院
天津理工大学“智能计算及软件新技术”天津市重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2024年第S01期975-981,共7页
-
基金
科技助力经济2020重点专项(SQ2020YFF0413781)。
-
文摘
现有人脸活体检测方法在深度神经网络的支持下已获得优秀的检测能力,但面临对抗样本攻击时仍呈现脆弱性。针对此问题,引入胶囊网络(Capsule Network,CapsNet)提出一种具有对抗鲁棒性的人脸活体检测方法FAS-CapsNet:通过CapsNet及其图像重建机制保留特征间关联,过滤样本中的对抗扰动;根据皮肤与平面介质的反射性质差异,以Retinex算法增强图像光照特征,增大活体与非活体人脸类间距离的同时破坏对抗扰动模式,进而提升模型准确性与鲁棒性。在CASIA-SURF数据集上进行实验可知:FAS-CapsNet对正负样本的检测准确率为87.344%,对比模型中最高准确率为78.917%,说明FAS-CapsNet具备充分的常规活体检测能力。为进一步验证模型鲁棒性,基于CASIA-SURF测试集生成两种对抗样本数据集并进行实验:FAS-CapsNet在两数据集上的检测准确率分别为84.552%和79.042%,较常规检测准确率下降3.197%和9.505%;对比模型在两数据集上的最高准确率分别为74.938%和41.667%,较常规检测下降5.042%和47.201%。可见FAS-CapsNet受对抗扰动影响更小,具有显著的对抗鲁棒性优势。
-
关键词
人脸活体检测
对抗鲁棒性
胶囊网络
RETINEX
对抗样本
-
Keywords
Face anti-spoofing
Adversarial robustness
CapsNet
Retinex
Adversarial examples
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
