[論文レビュー] Face Anti-Spoofing Based on Color Texture Analysis

Zinelabidine Boulkenafet|arXiv (Cornell University)|Nov 19, 2015

Biometric Identification and Security参考文献 7被引用数 13

ひとこと要約

本稿では、RGB、HSV、YCbCrの色空間における色の局所的バイナリパターン（LBP）を用いて、色とテクスチャの統合的分析を行う顔偽造検出手法を提案する。明度および彩度チャンネルから個別に均一LBPヒストグラムを抽出し、それらを連結することで、CASIA-FAおよびReplay-Attackデータセットにおいて最先端の性能と優れた汎化性能を達成した。それぞれのEERは0.4%および6.2%であり、クロスデータベーステストではHTERが16.7%にまで低下した。

ABSTRACT

Research on face spoofing detection has mainly been focused on analyzing the luminance of the face images, hence discarding the chrominance information which can be useful for discriminating fake faces from genuine ones. In this work, we propose a new face anti-spoofing method based on color texture analysis. We analyze the joint color-texture information from the luminance and the chrominance channels using a color local binary pattern descriptor. More specifically, the feature histograms are extracted from each image band separately. Extensive experiments on two benchmark datasets, namely CASIA face anti-spoofing and Replay-Attack databases, showed excellent results compared to the state-of-the-art. Most importantly, our inter-database evaluation depicts that the proposed approach showed very promising generalization capabilities.

研究の動機と目的

• 印刷された写真や動画ディスプレイを用いたスプーフィング攻撃に対する顔認識システムの脆弱性に対処すること。
• グレースケールベースの手法でしばしば無視される彩度情報が、スプーフィング検出に寄与するかどうかを調査すること。
• 偽の顔を検出するための異なる色空間（RGB、HSV、YCbCr）の識別力について評価すること。
• 多様なデータセットにわたる優れた汎化性能を示す色テクスチャベースの偽装検出手法を開発すること。
• 頑健な特徴表現と線形SVM分類を組み合わせることで、従来の最先端手法と比較して汎化性能を向上させること。

提案手法

• 本手法は、RGB、HSV、YCbCrの複数の色空間における個々の画像バンドから、色の局所的バイナリパターン（LBP）を用いて色とテクスチャの統合的特徴を抽出する。
• 明度（例：Y）および彩度（例：Cb、Cr）チャンネルごとに独立して均一LBPヒストグラムを計算し、それらを連結して1つの特徴ベクトルを構成する。
• 明度と彩度の分離が良好であるため、HSVおよびYCbCr色空間はRGBよりも優れており、照明変化に対してより頑健である。
• 最終的な特徴記述子は、明度および彩度成分からのLBPヒストグラムを連結することで、色とテクスチャの情報を統合する。
• 過学習を低減し、特にクロスデータベース評価において汎化性能を向上させるために、線形サポートベクターマシン（SVM）を分類に用いる。
• クロスデータベース評価は、1つのデータセット（例：Replay-Attack）で学習し、別のデータセット（例：CASIA-FA）でテストすることで実施され、HTERおよびEERが性能指標として用いられる。

実験結果

リサーチクエスチョン

• RQ1 RGB、HSV、YCbCrのうち、どの色空間が偽の顔を区別するための最も識別的な色テクスチャ表現を提供するか？
• RQ2 彩度に基づくテクスチャ解析は、従来の明度のみに依存するアプローチを上回るスプーフィング検出性能を実現できるか？
• RQ3 提案手法の色LBPは、さまざまな顔偽装検出データセットにどのように汎化するか？
• RQ4 RBF-SVMではなく線形SVMを用いることで、データ量が少ない状況下での汎化性能が向上するか？
• RQ5 色とテクスチャの統合的特徴は、イントラデータセットおよびインターデータセット評価の両方で、最先端のグレースケールベース手法を上回る性能を示せるか？

主な発見

• 提案手法はReplay-Attackデータベースで0.4%の等誤差率（EER）を達成し、比較表に掲載されたすべての最先端手法を上回った。
• CASIA-FAデータベースではEERが6.2%にまで低下し、次に優れた手法（CDD：11.8%）と比べて顕著に優れた性能を示した。
• クロスデータベーステストでは、Replay-Attackで学習しCASIA-FAでテストした場合、HTERが16.7%にまで低下し、優れた汎化能力を示した。
• CASIA-FAで学習しReplay-Attackでテストした場合、HTERは20.6%を記録したが、これはグレースケールLBPがイントラデータセットテストで達成した15.3%のHTERと同等の性能であった。
• 線形SVMを用いることで、RBF-SVMと比較して過学習が低減し、特に小さなReplay-Attackデータセットにおいて汎化性能が向上した。
• HSVおよびYCbCr色空間の組み合わせが最良の性能を示し、彩度に基づくテクスチャ手がかりがスプーフィング検出に非常に有効であることが示された。