[論文レビュー] A Compact Deep Learning Model for Face Spoofing Detection

Seyedkooshan Hashemifard, Mohammad Akbari|arXiv (Cornell University)|Jan 12, 2021

Biometric Identification and Security参考文献 35被引用数 7

ひとこと要約

本稿では、手作業で作成したカラーテクスチャ特徴（ワイドチャネル）とCNNが学習する深層特徴（ディープチャネル）を融合するコンactな二チャネル深層学習モデルを提案し、耐障害性の高い顔スプーフィング検出を実現する。本手法は、データセット間での汎用性が顕著に向上し、クロスデータセットテストにおいてSiWではEERが0.55%、ROSE-Youtuでは4.27%まで低下し、単一チャネルモデルを上回り、未観測のスプーフィング攻撃に対しても耐性が向上する。

ABSTRACT

In recent years, face biometric security systems are rapidly increasing, therefore, the presentation attack detection (PAD) has received significant attention from research communities and has become a major field of research. Researchers have tackled the problem with various methods, from exploiting conventional texture feature extraction such as LBP, BSIF, and LPQ to using deep neural networks with different architectures. Despite the results each of these techniques has achieved for a certain attack scenario or dataset, most of them still failed to generalized the problem for unseen conditions, as the efficiency of each is limited to certain type of presentation attacks and instruments (PAI). In this paper, instead of completely extracting hand-crafted texture features or relying only on deep neural networks, we address the problem via fusing both wide and deep features in a unified neural architecture. The main idea is to take advantage of the strength of both methods to derive well-generalized solution for the problem. We also evaluated the effectiveness of our method by comparing the results with each of the mentioned techniques separately. The procedure is done on different spoofing datasets such as ROSE-Youtu, SiW and NUAA Imposter datasets. In particular, we simultanously learn a low dimensional latent space empowered with data-driven features learnt via Convolutional Neural Network designes for spoofing detection task (i.e., deep channel) as well as leverages spoofing detection feature already popular for spoofing in frequency and temporal dimensions ( i.e., via wide channel).

研究の動機と目的

• 未確認の攻撃タイプやデータセットに対して、既存の顔スプーフィング検出手法の一般化能力が限られている問題に対処すること。
• 制御された限定的データセットで学習されたディープラーニングモデルのバイアスを、ドメイン固有の手作業特徴を統合することで克服すること。
• データ駆動型の深層特徴とエンジニアリングされたテクスチャ特徴の長所を統合した、統一されたニューラルアーキテクチャの開発により、耐障害性の向上を図ること。
• 特に未確認の攻撃シナリオやデバイスの変動に対応した、クロスデータセットスプーフィング検出における性能向上を図ること。
• モバイルおよび組み込みバイオメトリクスシステムにおける実世界での導入に適した、コンパクトで効率的なモデルの構築

提案手法

• スプーフィング検出に特化したCNNアーキテクチャを採用した、ディープチャネルの二チャネルニューラルネットワークを提案。このチャネルは、低次元のデータ駆動型表現を学習する。
• ワイドチャネルでは、周波数、テクスチャ、時間的ドメインで有効であると知られている、既存の手作業特徴（カラーテクスチャ）を統合する。
• 両チャネルからの特徴量を連結し、共通の統合潜在空間に供給し、共同表現学習を実現する。
• 分類の最終段階の直前で、特徴の相互作用ブロックが動的にディープ特徴とワイド特徴を融合させ、補完的学習を可能にする。
• 標準的な指標（EER、HTER）を用いて、複数のスプーフィングデータセット（SiW、ROSE-Youtu、NUAA）でエンドツーエンドに学習し、評価を実施する。
• 一般化の評価のため、クロスデータセット学習とテストを実施。単一チャネルと二チャネルのバリエーションを比較するアブレーションスタディも実施。

実験結果

リサーチクエスチョン

• RQ1 手作業特徴のテクスチャ特徴とディープニューラルネットワーク特徴を組み合わせることで、多様なデータセットや攻撃タイプにわたる顔スプーフィング検出における一般化能力が向上するか？
• RQ2 単一チャネルモデル（CNNオンリーモデルまたは記述子オンliーモデル）と比較して、二チャネルアーキテクチャは未確認データにおける性能と耐障害性でどのように優れているか？
• RQ3 ワイド特徴とディープ特徴の統合により、クロスデータセットスプーフィング検出における過学習がどの程度軽減され、性能が向上するか？
• RQ4 本手法は、印刷攻撃に限定された小さなデータセット（NUAA）においても高い精度を維持できるか？
• RQ5 リソース制限のある環境でのリアルタイムデプロイメントに適した、コンパクトで効率的なモデルを実現できるか？

主な発見

• クロスデータセットテストにおいて、二チャネルモデルはSiWデータセットでEER 0.55%、ROSE-Youtuデータセットで4.27%を達成し、単一チャネルモデルを顕著に上回った。
• SiWデータセットでは、CNNオンリーモデルがEER 1.05%、カラーテクスチャ記述子オンリーモデルが1.92%を記録したが、二チャネル統合により性能が向上した。
• クロスデータセット評価では、最良の単一チャネルベースラインと比較して、二チャネルモデルはEERを10%以上低減し、優れた一般化能力を示した。
• クロスデータセットテストにおいて、SiWではHTER 1.05%、ROSE-Youtuでは6.12%を達成し、誤認証率と誤拒否率のバランスに優れた性能を示した。
• アブレーションスタディにより、特徴の相互作用ブロックが有効な統合を可能にしていることが確認され、すべてのテスト設定で二チャネルモデルが単一チャネルの両方を常に上回った。
• 特に小さな制限のあるNUAAデータセットにおいても、データセットバイアスや分布シフトに対して優れた耐障害性を示し、クロスデータセットテストでEER 22.34%を達成した。