為了保護(hù)人臉識(shí)別的安全,防止不法份子偽造他人身份信息通過人臉識(shí)別系統(tǒng),人臉欺騙檢測(cè)技術(shù)逐漸受到了人們的關(guān)注。目前大多數(shù)欺騙檢測(cè)算法著重于分析人臉圖像的明度信息而忽略了圖像的色度信息,以致于在不同應(yīng)用環(huán)境下的正確率較低并且穩(wěn)定性較差。而真實(shí)人臉圖像與二次成像的仿冒人臉圖像在顏色分布上是有差異的,因此我們可以通過分析圖像色度信息來區(qū)分是否為真實(shí)人臉。在實(shí)際應(yīng)用中,人臉欺騙檢測(cè)是在開放環(huán)境下進(jìn)行的,這導(dǎo)致了系統(tǒng)會(huì)面對(duì)一些未知情況和未知攻擊環(huán)境。為了提高模型的泛化性,我們進(jìn)行了跨數(shù)據(jù)集實(shí)驗(yàn)。在進(jìn)行跨數(shù)據(jù)集實(shí)驗(yàn)時(shí),由于不同數(shù)據(jù)集圖像的拍攝地點(diǎn)和設(shè)備的不同,導(dǎo)致現(xiàn)有方法錯(cuò)誤率偏高。研究表明,在各種外部因素中,光照對(duì)欺騙檢測(cè)的影響是最大的。因此,本文考慮從光照處理方面著手去除光照因素對(duì)于人臉欺騙檢測(cè)的影響,降低跨數(shù)據(jù)集人臉欺騙檢測(cè)的錯(cuò)誤率。針對(duì)上述問題,本文給出相應(yīng)解決方法并取得了如下成果:1.研究了一種基于顏色空間特征融合的人臉欺騙檢測(cè)方法,通過將RGB圖像轉(zhuǎn)換到HSV與YCb Cr顏色空間,提取各個(gè)顏色通道上的局部二值模式特征和顏色矩特征來描述真實(shí)人臉與假冒人臉間的紋理和色度差異,將兩種特征相融... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

面具攻擊破解刷臉支付根據(jù)使用媒介的不同欺騙攻擊可分為三類：1.照片攻擊

重慶郵電大學(xué)碩士學(xué)位論文第2章基于特征提取的人臉欺騙檢測(cè)方法10(a)真實(shí)人臉(b)照片攻擊(c)視頻攻擊圖2.1常用欺騙攻擊類型2.2欺騙檢測(cè)方法分類根據(jù)使用描述子不同，欺騙檢測(cè)方法可分為4種：1.基于紋理的方法。2.基于運(yùn)動(dòng)的方法。3.基于圖像質(zhì)量的方法。4.基于其他線索的方法。下面將分別介紹這些方法。2.2.1基于紋理的欺騙檢測(cè)方法仿冒人臉圖片在經(jīng)過二次成像之后存在一些真實(shí)人臉圖像中沒有的紋理變化，因此紋理信息可用來區(qū)分真假人臉。紋理信息可以算是欺騙攻擊最顯著的特征，六成以上的方法單獨(dú)使用紋理信息或者將紋理信息和其余特征相結(jié)合來進(jìn)行欺騙檢測(cè)[24]。多種的紋理特征都可用來檢測(cè)欺騙攻擊，局部二值模式(LocalBinaryPattern,LBP)[25]是使用最多的紋理特征。根據(jù)統(tǒng)計(jì)半數(shù)紋理方法都使用了LBP極其變種。LBP是一種光照不變的基于灰度的紋理編碼技術(shù)，具體是指將每個(gè)像素值與周圍像素值進(jìn)行比較，如果周圍元素值大于等于中心元素值則為1，否則為0，然后將所有周邊元素得到的編碼組合在一起就得到了中心元素的LBP編碼。鄰域數(shù)量、鄰域半徑和編碼策略是LBP的三個(gè)參數(shù)。我們計(jì)算圖像整體或者分塊后的像素LBP值然后使用直方圖來描述紋理。不同的LBP方法都能用來進(jìn)行欺騙檢測(cè)，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]和三個(gè)正交平面中的局

重慶郵電大學(xué)碩士學(xué)位論文第2章基于特征提取的人臉欺騙檢測(cè)方法14(a)真實(shí)人臉(b)照片圖2.2NUAA數(shù)據(jù)集不同環(huán)境下的真人和照片示例2.YaleRecapturedYaleRecaptured[50]（以下簡稱為YaleR）數(shù)據(jù)集是使用照相機(jī)對(duì)YaleFaceDatabaseB（以下簡稱YaleB）人臉識(shí)別數(shù)據(jù)集拍攝得到的。YaleB中包含了5760張人臉圖片，由10個(gè)人在9種姿態(tài)和64種光照條件下拍攝而成。YaleR則是將YaleB中的部分圖片放到3臺(tái)液晶屏幕上顯示，然后使用照相機(jī)隊(duì)屏幕拍攝而成。最后YaleR由640張真人圖片以及1920張照片攻擊組成。每張圖片都為灰度圖，且為64*64像素大校3.CASIAFace-Anti-SpoofingDatabaseCASIAFace-Anti-SpoofingDatabase[51]（以下簡稱為CASIA）數(shù)據(jù)集包含了真實(shí)人臉和不同欺騙攻擊的視頻。真實(shí)人臉樣本是從50個(gè)真人上采集而來，而假冒人臉樣本則是對(duì)真實(shí)人臉的高質(zhì)量照片和視頻進(jìn)行拍攝而成的。CASIA數(shù)據(jù)集上設(shè)計(jì)了三種欺騙攻擊類型，分別為彎曲的照片攻擊，摳去人臉區(qū)域的照片攻擊和視頻攻擊。所有的真假樣本都有3種圖像質(zhì)量，分別為低，中，高分辨率圖像，是由

【參考文獻(xiàn)】：
期刊論文
[1]人臉識(shí)別的光照預(yù)處理算法[J]. 楊作寶,侯凌燕,楊大利.  北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(06)

碩士論文
[1]復(fù)雜光照下的人臉識(shí)別算法研究[D]. 曾貞.電子科技大學(xué) 2019
[2]人臉識(shí)別中光照預(yù)處理算法研究[D]. 朱方志.哈爾濱工業(yè)大學(xué) 2017



本文編號(hào)：3417037