人脸防伪方法调研

人脸防伪方法调研

一 人脸防伪简介

1.产生背景

近年来,人脸识别技术取得了突飞猛进的发展,在应对姿态、光照和表情变化时有了更高的稳定性。这也促使越来越多的场合使用人脸识别技术进行身份认证。然而,人脸识别系统只能对采集图像中的人脸进行辨认,却无法识别采集的人脸图像是来自摄像头前的真人还是一张照片。因此,识别系统极易受到各种蓄意的攻击。这些攻击一旦成功,带来的后果和损失可能会极其严重。为了解决该问题,人脸防伪技术也称为人脸活体检测技术应运而生。

2.功能定义

人脸防伪就是:结合人脸识别系统,辨别人脸采集图像是来自真人还是一张伪造的人脸图像,保证人脸识别的安全可靠性。

3.欺骗手段

1.合法用户的人脸照片

2.合法用户的人脸视频

3.合法用户的三维人脸面具

二 防伪技术

现有的人脸识别防伪技术大概可以分为如下几类:

1.利用图像纹理进行区分。

此种方法认为利用照片或者视频进行仿冒攻击的图像经过二次成像,包含更多的噪声,所以通过分析纹理细节的方法来区分真人和照片、视频攻击。该方法有效地考虑了不同人脸区域对活体检测判别能力的差异,增强区分能力较强的人脸区域,抑制区分能力较弱的区域。

缺点:此种方法对高分辨率的照片、视频以及逼真人脸三维面具的情况显得束手无策。

2.通过检测人脸生物活性(眨眼、张嘴等)的方法。

此种方法可以有效防止照片仿冒的攻击。

缺点:视频序列可以模拟人脸眨眼、张嘴的生物活性,所以利用视频播放的方式可以比较容易地逃过这种方法的法眼。

3.三维场景检测

利用多个摄像头可以检测人脸是否为三维立体,从而有效防止二维的照片和视频攻击。

缺点:需要特定的场景环境,提供多角度摄像头。

4.采用多光谱图像分析的方法。

虽然照片、视频、三维人脸面具子啊可见光范围内与真人成像非常相似,但是由于成像材质不同,在多光谱下,各种材料的成像图像差异很大、利用这个特性,可以在多光谱的条件下轻而易举地区分真人和仿冒人脸。

缺点:需要特殊的多光谱成像设备,影响了该方法的推广应用。

版权声明:本文为博主原创文章,未经博主允许不得转载。

时间: 2024-10-10 15:11:45

人脸防伪方法调研的相关文章

实验报告: 人脸识别方法回顾与实验分析 【OpenCV测试方法源码】

趁着还未工作,先把过去做的东西整理下出来~   Github源码:https://github.com/Blz-Galaxy/OpenCV-Face-Recognition (涉及个人隐私,源码不包含测试样本,请谅解~) 对实验结果更感兴趣的朋友请直接看 第5章 [摘要]这是一篇关于人脸识别方法的实验报告.报告首先回顾了人脸识别研究的发展历程及基本分类:随后对人脸识别技术方法发展过程中一些经典的流行的方法进行了详细的阐述:最后作者通过设计实验对比了三种方法的识别效果并总结了人脸识别所面临的困难与

【人脸识别】Optical Flow算法在人脸防伪中的应用

1.本文简介:(原文PDF链接http://pan.baidu.com/s/1c0g0iQW) 学习本PDF后的一点总结.文章主要讲解了在人脸识别中的照片防伪技术,如何区分含有人脸的二维图片和三维真实人脸图是本文的主要工作. 实际应用举例:假冒者拿着你的照片来做人脸测试,意图通过识别程序,本文就是利用光流场来排除这样的伪造. 2.关键词: Optical FLow:光流场或光流动方向,趋势. Stereo vision:立体视觉. 3.正文内容 3.1 基本流程 下图是在人脸识别之前,需要进行的

命令行从Android手机中导出已安装APK的方法调研

一.背景 二.步骤 一.背景 很多时候,APK文件只存在于应用市场,在PC上无法直接下载.用手机下载下来后就直接安装了,也不能保存原始的APK文件. APK安装到手机后,Android系统会保存一份和原始APK一模一样的拷贝,位于data/app目录,文件名为“APK的包名-1.apk”或者“APK的包名-2.apk”.这里的包名即 package name,形如 com.xxx.xxx. data/app这个目录在非root的情况下,是无法直接查看的.但幸运的是,这个目录下所有的APK文件,是

当前最先进人脸识别方法简单介绍

最先进的人脸识别是当前facebook和香港科技大学的深度神经网络的人脸识别: 论文下载地址: facebook:DeepFace https://research.facebook.com/publications/480567225376225/deepface-closing-the-gap-to-human-level-performance-in-face-verification/ 香港科技大学: http://arxiv.org/abs/1406.4773. 这两篇效果最好.如果做

[iOS学习笔记]runloop runMode方法调研

  // // ViewController.m // ThreadTest // // Created by skyko on 16/5/31. // Copyright © 2016年 helios. All rights reserved. // #import "ViewController.h" @interface ViewController () @property (nonatomic, strong) NSThread *thread; @property (non

DeepFaceLab:视频中有多人,仅替换特定人脸的方法!

DeepFaceLab自带的视频素材,一个是钢铁侠托尼斯塔克,一个是变形金刚男主角山姆.每一个视频中只有一个人.所以当你第一次玩的时候很顺畅,什么都不用管,一步一步按教程来就好好了. ? 直到有一天你换了一个新的视频.而一个视频中出现的人物不止一个,或者一个画面中就有一群人.这个时候你就会遇到一个问题:如何只换你想换的那个人? 按默认的流程来走的话,是所有人的脸都会被换掉. 此时,你就必须学会一个新技能,如何指定换脸的对象.这个问题,其实软件本身已经考虑到了. 下面我具体说一下,如何实现只换一个

人脸识别之特征脸方法(Eigenface)

人脸识别之特征脸方法(Eigenface) [email protected] http://blog.csdn.net/zouxy09 因为需要,花了一点时间写了下经典的基于特征脸(EigenFace)的人脸识别方法的Matlab代码.这里仅把该代码分享出来.其实,在较新版本的OpenCV中已经提供了FaceRecognizer这一个类,里面不仅包含了特征脸EigenFace,还有FisherFace和LBPHFace这三种人脸识别方法,有兴趣的可以参考OpenCV的API手册,里面都有很详细

浅析人脸检测之Haar分类器方法:Haar特征、积分图、 AdaBoost 、级联

浅析人脸检测之Haar分类器方法 一.Haar分类器的前世今生 人脸检测属于计算机视觉的范畴,早期人们的主要研究方向是人脸识别,即根据人脸来识别人物的身份,后来在复杂背景下的人脸检测需求越来越大,人脸检测也逐渐作为一个单独的研究方向发展起来. 目前的人脸检测方法主要有两大类:基于知识和基于统计. Ø  基于知识的方法:主要利用先验知识将人脸看作器官特征的组合,根据眼睛.眉毛.嘴巴.鼻子等器官的特征以及相互之间的几何位置关系来检测人脸. Ø  基于统计的方法:将人脸看作一个整体的模式——二维像素矩

face recognition[翻译][深度学习理解人脸]

本文译自<Deep learning for understanding faces: Machines may be just as good, or better, than humans>.为了方便,文中论文索引位置保持不变,方便直接去原文中找参考文献. 近些年深度卷积神经网络的发展将各种目标检测和识别问题大大的向前推进了不少.这同时也得益于大量的标注数据集和GPU的使用,这些方面的发展使得在无限制的图片和视频中理解人脸,自动执行诸如人脸检测,姿态估计,关键点定位和人脸识别成为了可能.本