【摘 要】
：
人脸活体检测作为人脸识别系统的重要安全保障环节,近几年在生物识别技术领域中飞速发展,广泛应用于移动支付、门禁系统和金融认证等场景。然而,人脸识别系统容易受到来自打印图像、数码图像以及回放视频等不同方式的攻击,使得人脸识别系统的安全性受到严重的威胁,所以,人脸活体检测在人脸识别系统中起着至关重要的作用,具有重要的研究价值。人脸活体检测在生物识别技术领域中是备受关注的研究方向,但目前仍存在以下几个问题
论文部分内容阅读
人脸活体检测作为人脸识别系统的重要安全保障环节,近几年在生物识别技术领域中飞速发展,广泛应用于移动支付、门禁系统和金融认证等场景。然而,人脸识别系统容易受到来自打印图像、数码图像以及回放视频等不同方式的攻击,使得人脸识别系统的安全性受到严重的威胁,所以,人脸活体检测在人脸识别系统中起着至关重要的作用,具有重要的研究价值。人脸活体检测在生物识别技术领域中是备受关注的研究方向,但目前仍存在以下几个问题:第一,不管是传统还是深度学习的人脸活体检测算法,这些算法或直接使用RGB图像作为监督特征,或使用RGB图像辅助2D深度图或时序信息作为监督信息,这些方法对于不同光照条件、攻击设备以及攻击方式等环境变化敏感,不能学习真实样本和攻击样本之间的不变性特征,不具有鲁棒性;第二,这些方法需要额外的网络来估计生成2D深度图像或r PPG信息,网络模型复杂,监督特征复杂冗余,不利于在实际应用环境下的部署;第三,现有方法未从精细学习特征的角度考虑真实样本和攻击样本之间的特征差异。本文针对上述问题,对于基于特征监督的人脸活体检测问题展开研究,本文主要工作如下:（1）基于3D点云监督的轻量级人脸活体检测算法。由于3D点云具有丰富的三维空间信息,同时又不易受光照等环境条件变化的影响,针对以往方法模型复杂,监督特征复杂冗余的特点,本文首次使用3D点云作为人脸活体检测的监督信息,提出了一个高效且有效的3D点云监督的轻量级人脸活体检测网络模型（3DPCNet）。真实人脸样本对应点云具有三维结构信息,而攻击人脸样本的点云处于同一平面。3D点云数据通过密集人脸重建算法生成,再经一系列预处理得到最终的可用标签。3DPC-Net由编码解码网络组成,使用倒角距离损失函数学习3D点云监督特征映射。该方法相较于以往方法,在类间实验上取得了更加出色的检测效果,并提高了模型运算效率。（2）基于3D点云监督的动态图卷积级联的人脸活体检测算法。针对未能精细的学习真实样本和攻击样本之间的3D特征差异问题,本文提出了基于3D点云监督的动态图卷积级联的人脸活体检测算法（DGC-FAS）。该算法共分为两个阶段,第一阶段使用第三章提出的编码器并引入空间注意力机制,生成粗糙的3D点云特征,第二阶段使用动态图卷积级联模型精细学习3D点云特征,在整个训练过程中,设计了一个动态损失函数,用于动态优化学习的3D点云特征。实验证明,该方法在四个通用数据集上的检测性能优于大部分当前主流方法。
其他文献
随着数据通信业务量的指数级增长,人们对高速无线技术的带宽和质量要求不断提高,云无线接入网（Cloud Radio Access Network,C-RAN）前传链路的容量受限问题难以忽视,为降低数据存储对带宽的需求,本文将压缩感知（Compressed Sensing,CS）技术应用到C-RAN前传受限链路,并进行射频拉远端和基带处理池功能分配,减少了C-RAN前传链路负载,提升了传输信号的恢复精
近些年来,多智能体系统的协同控制被广泛应用于智能机器人、无人机编队、人造卫星等领域,引起了诸多学者的注意。目前,多智能体系统的协同控制问题主要包括一致性控制、编队控制和包含控制等,在此类问题的研究中,智能体之间的信息传递是至关重要的。通常情况下,我们用拓扑图来表示智能体之间的通信关系。在以往的研究中,多智能体系统的通信拓扑大多被假设为固定拓扑,而考虑到多智能体系统所处操作环境的复杂性,智能体之间的
实际工程系统往往都设有物理安全边界,例如流水线工业系统,风力发电系统,电力系统,高铁系统等,运行过程中系统自身状态受物理边界严格约束,以确保长期稳定可靠运行。一旦这样的物理约束装置被忽略或发生故障,系统就面临超界运行风险甚至发生重大安全事故。随着工业生产复杂化,相应的生产装置和系统的非线性特性日益凸显,系统参数不确定性也随之增加,系统控制器设计难度也随之增加。因此,针对具有参数不确定的非线性系统的
定位技术是实现移动机器人自主导航的关键技术之一。视觉SLAM是一种同时完成定位与地图构建的技术,目前得到了越来越多的应用和研究。针对视觉SLAM在一些室内场景无法有效定位的问题,通常借助自身算法框架的冗余性完成重定位。但是该方法导致了定位实时性的下降,当机器人快速移动时,这种影响尤其明显。为了避免冗余的算法框架对视觉SLAM定位实时性的影响,本文通过引入IMU来辅助视觉SLAM,实现多种工况下机器
头部运动障碍或头部下垂综合征（DHS）在许多运动神经元疾病中十分常见,患者的颈部肌肉发生退行性减弱,使得抬头或移动头部变得十分困难。目前该疾病没有较好的治疗方法,主要使用颈托设备来缓解头部下垂的症状。然而,颈托使得头部的运动受到局限,也不能按照患者想要的移动方向进行调整。因此,研究一种可以实现临床治疗、功能全面、康复机理完善、操作方便的颈椎康复机器人,对于治疗、康复头部下垂综合征有着重要意义。本文
不均衡分类问题在实际生产生活中频繁出现,如生物信息学、电信或金融风险评估和文本分类等。传统分类器由于期望整体精度最大化,常常忽略少数类（样本较少的类别）的分类精度,然而少数类的分类精度往往比多数类（样本较多的类别）更为重要。针对这一问题,一种有效的解决方法是基于数据增强将不均衡数据恢复为均衡数据。这种方法的目标是生成具有较强类判别性和多样性,且真正有助于分类器构建的少数类新样本。然而,在不均衡数据
标记分布学习是一种新的可以用来解决标记多义性问题的学习范式,是对单标记学习和多标记学习的进一步泛化,已经成功应用于人脸情感分析、头部姿态识别以及人脸年龄估计等领域。在标记分布学习的标记集合中,标记间关系广泛存在并且有助于提升标记分布学习性能。因此本文从标记间关系这一角度出发,对标记分布学习展开深入研究。首先,针对局部标记间关系展开研究。当前存在的利用局部标记间关系的算法都服从一个假设,即样本之间的
闭链连杆式移动机器人是一种具有大尺度变形能力,高越障能力的地面移动机器人。目前对闭链连杆式移动机器人的研究主要集中于论证移动的可行性,对于其移动能力及评价体系仅有较少的涉及。本文从平面6R单环运动链的理论研究出发,对平面6R单环运动链为基础构造的闭链连杆式机器人的移动进行数学建模并进行了运动学分析、动力学分析和步态规划,提出6R机器人移动理论,新理论得到了这种运动链连续移动和越障过程的步态通解,并
随着科学技术的发展,各行各业对材料以及结构的安全性要求日益提高。由于材质自身缺陷以及长期受到各种载荷的影响,材料和结构在生产及服役的过程中会产生各种类型的缺陷,比如裂纹、孔洞以及夹杂等,进而导致重大安全事故,造成人员伤亡和巨额财产损失。因此发展有效的无损检测技术至关重要。超声检测技术由于其具有灵敏度高、穿透能力强、缺陷定位准确、操作简单、对人体无害等优点被广泛应用。但是该方法针对复杂形状缺陷的定位
随着跨境贸易的快速发展,商品的协调制度（Harmonization System,HS）编码分类作为企业进出口贸易的重要海关程序,其准确性和高效性越来越受到相关部门的重视。如果能够自动、准确、高效地进行商品HS编码分类,将有助于海关部门通关查验、关税计算等工作的顺利进行,同时也可以帮助企业提高通关效率,降低通关成本。商品HS编码分类任务可以看作是一个文本分类任务,即给定商品的一段描述信息,目标是确