公众对防范欺骗攻击的安全措施有着巨大的需求。生物识别技术是此类安全行业中增长最快的部分。一些常见的识别技术包括面部识别、指纹识别、笔迹验证、手部几何形状、视网膜和虹膜扫描仪。在这些技术中,近年来发展迅速的是人脸识别技术,与其他方法相比,它更直接、更友好、更方便。因此,它已被应用于各种安全系统。
但人脸识别系统很容易受到非真实人脸的欺骗攻击。比如通过人像照片、视频等等面部信息欺骗人脸识别系统的方法。故而一个安全的系统需要活性检测来防止这种欺骗。
近年来,活体检测在指纹识别和虹膜识别领域一直是一个非常活跃的研究课题。但在人脸识别中,处理这个问题的方法非常有限。在活体检测的帮助下,生物识别系统的性能将得到提高。这是一个重要且具有挑战性的问题,它决定了生物识别系统安全防范欺骗的可信度。
在人脸识别中,常用的攻击方法可以分为几类。该分类是基于向人脸验证系统提供的验证证据,如被盗照片、被盗人脸照片、录制的视频、具有眨眼和嘴唇移动能力的3D人脸模型、具有各种表情的3D面部模型等。
Gahyun Kim等人使用了这种方法。其基本目的是从形状和细节上区分活脸和假脸(二维纸口罩)。作者提出了一种基于频率和纹理分析的单图像伪人脸检测方法,用于区分二维纸质口罩中的真实人脸。作者进行了基于功率谱的频率分析方法,该方法利用了低频信息和存在于高频区域的信息。此外,还实现了基于局部二进制模式(LBP)的描述方法,用于分析给定人脸图像上的纹理。他们试图利用频率和纹理信息来区分实时人脸图像和二维纸质口罩。作者建议使用频率信息有两个原因。第一个是3D形状存在的