基于圖像質量分析的人臉欺騙檢測研究
發(fā)布時間：2021-10-01 02:04
為了保護人臉識別的安全,防止不法份子偽造他人身份信息通過人臉識別系統(tǒng),人臉欺騙檢測技術逐漸受到了人們的關注。目前大多數(shù)欺騙檢測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,以致于在不同應用環(huán)境下的正確率較低并且穩(wěn)定性較差。而真實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)分是否為真實人臉。在實際應用中,人臉欺騙檢測是在開放環(huán)境下進行的,這導致了系統(tǒng)會面對一些未知情況和未知攻擊環(huán)境。為了提高模型的泛化性,我們進行了跨數(shù)據(jù)集實驗。在進行跨數(shù)據(jù)集實驗時,由于不同數(shù)據(jù)集圖像的拍攝地點和設備的不同,導致現(xiàn)有方法錯誤率偏高。研究表明,在各種外部因素中,光照對欺騙檢測的影響是最大的。因此,本文考慮從光照處理方面著手去除光照因素對于人臉欺騙檢測的影響,降低跨數(shù)據(jù)集人臉欺騙檢測的錯誤率。針對上述問題,本文給出相應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方法,通過將RGB圖像轉換到HSV與YCb Cr顏色空間,提取各個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】：重慶郵電大學重慶市
【文章頁數(shù)】：66 頁
【學位級別】：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
重慶郵電大學碩士學位論文第2章基于特征提取的人臉欺騙檢測方法10(a)真實人臉(b)照片攻擊(c)視頻攻擊圖2.1常用欺騙攻擊類型2.2欺騙檢測方法分類根據(jù)使用描述子不同，欺騙檢測方法可分為4種：1.基于紋理的方法。2.基于運動的方法。3.基于圖像質量的方法。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方法仿冒人臉圖片在經過二次成像之后存在一些真實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使用紋理信息或者將紋理信息和其余特征相結合來進行欺騙檢測[24]。多種的紋理特征都可用來檢測欺騙攻擊，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，具體是指將每個像素值與周圍像素值進行比較，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的三個參數(shù)。我們計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方法都能用來進行欺騙檢測，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]和三個正交平面中的局
重慶郵電大學碩士學位論文第2章基于特征提取的人臉欺騙檢測方法14(a)真實人臉(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)集是使用照相機對YaleFaceDatabaseB（以下簡稱YaleB）人臉識別數(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臺液晶屏幕上顯示，然后使用照相機隊屏幕拍攝而成。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)集包含了真實人臉和不同欺騙攻擊的視頻。真實人臉樣本是從50個真人上采集而來，而假冒人臉樣本則是對真實人臉的高質量照片和視頻進行拍攝而成的。CASIA數(shù)據(jù)集上設計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種圖像質量，分別為低，中，高分辨率圖像，是由
【參考文獻】：
期刊論文
[1]人臉識別的光照預處理算法[J]. 楊作寶,侯凌燕,楊大利. 北京信息科技大學學報(自然科學版). 2015(06)
碩士論文
[1]復雜光照下的人臉識別算法研究[D]. 曾貞.電子科技大學 2019
[2]人臉識別中光照預處理算法研究[D]. 朱方志.哈爾濱工業(yè)大學 2017
本文編號：3417037
【文章來源】：重慶郵電大學重慶市
【文章頁數(shù)】：66 頁
【學位級別】：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
重慶郵電大學碩士學位論文第2章基于特征提取的人臉欺騙檢測方法10(a)真實人臉(b)照片攻擊(c)視頻攻擊圖2.1常用欺騙攻擊類型2.2欺騙檢測方法分類根據(jù)使用描述子不同，欺騙檢測方法可分為4種：1.基于紋理的方法。2.基于運動的方法。3.基于圖像質量的方法。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方法仿冒人臉圖片在經過二次成像之后存在一些真實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使用紋理信息或者將紋理信息和其余特征相結合來進行欺騙檢測[24]。多種的紋理特征都可用來檢測欺騙攻擊，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，具體是指將每個像素值與周圍像素值進行比較，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的三個參數(shù)。我們計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方法都能用來進行欺騙檢測，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]和三個正交平面中的局
重慶郵電大學碩士學位論文第2章基于特征提取的人臉欺騙檢測方法14(a)真實人臉(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)集是使用照相機對YaleFaceDatabaseB（以下簡稱YaleB）人臉識別數(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臺液晶屏幕上顯示，然后使用照相機隊屏幕拍攝而成。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)集包含了真實人臉和不同欺騙攻擊的視頻。真實人臉樣本是從50個真人上采集而來，而假冒人臉樣本則是對真實人臉的高質量照片和視頻進行拍攝而成的。CASIA數(shù)據(jù)集上設計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種圖像質量，分別為低，中，高分辨率圖像，是由
【參考文獻】：
期刊論文
[1]人臉識別的光照預處理算法[J]. 楊作寶,侯凌燕,楊大利. 北京信息科技大學學報(自然科學版). 2015(06)
碩士論文
[1]復雜光照下的人臉識別算法研究[D]. 曾貞.電子科技大學 2019
[2]人臉識別中光照預處理算法研究[D]. 朱方志.哈爾濱工業(yè)大學 2017
本文編號：3417037
本文鏈接：http://sikaile.net/kejilunwen/shengwushengchang/3417037.html
最近更新
教材專著
