[論文レビュー] FaceSpoof Buster: a Presentation Attack Detector Based on Intrinsic Image Properties and Deep Learning

Rodrigo Bresan, Allan Pinto+3 more|arXiv (Cornell University)|Feb 7, 2019

Biometric Identification and Security被引用数 7

ひとこと要約

本稿では、事前学習済み畳み込みニューラルネットワーク（CNN）を活用して、深度、照明、局所的明るさマップといった内在的画像特性を組み合わせた、深層学習ベースのプレゼンテーション攻撃検出手法FaceSpoof Busterを提案する。この手法は、困難なデータセット間評価プロトコル下でCASIA-FASDデータセットにおいて33.14%のHTERを達成し、最先端の性能を示した。

ABSTRACT

Nowadays, the adoption of face recognition for biometric authentication systems is usual, mainly because this is one of the most accessible biometric modalities. Techniques that rely on trespassing these kind of systems by using a forged biometric sample, such as a printed paper or a recorded video of a genuine access, are known as presentation attacks, but may be also referred in the literature as face spoofing. Presentation attack detection is a crucial step for preventing this kind of unauthorized accesses into restricted areas and/or devices. In this paper, we propose a novel approach which relies in a combination between intrinsic image properties and deep neural networks to detect presentation attack attempts. Our method explores depth, salience and illumination maps, associated with a pre-trained Convolutional Neural Network in order to produce robust and discriminant features. Each one of these properties are individually classified and, in the end of the process, they are combined by a meta learning classifier, which achieves outstanding results on the most popular datasets for PAD. Results show that proposed method is able to overpass state-of-the-art results in an inter-dataset protocol, which is defined as the most challenging in the literature.

研究の動機と目的

• 追加のセンサ（深度または赤外カメラなど）を必要としない、ハードウェアフリーの顔のプレゼンテーション攻撃検出（PAD）システムを構築すること。
• 深度、照明、局所的明るさといった内在的画像特性が、スプーフィング攻撃の検出に有用な特徴として機能するかどうかを調査すること。
• メタ・クラスファイアーを用いて複数の内在的特性を統合することで、未観測データセットへの一般化性能を向上させ、データセット間評価プロトコル下での性能を強化すること。
• PADの文脈において、タスク固有の学習を再び行わずとも、事前学習済みCNNからの特徴抽出に転移学習を活用する有効性を示すこと。
• 特に困難なデータセット間評価シナリオにおいて、既存の最先端手法を上回ること。

提案手法

• 既存の計算手法を用いて、入力画像から深度、照明、局所的明るさの3つの内在的画像特性を抽出する。
• 各内在的マップからの特徴抽出に、事前学習済み畳み込みニューラルネットワーク（CNN）を活用し、特徴の頑健性を向上させる。
• 2段階の分類プロセスを適用する：各内在的特性マップを個別に分類器（例：SVM）で分類し、その後、統合された予測結果をメタ分類器で統合する。
• 個別分類器の出力をメタ・ラーナー（SVM）で統合することで、全体の検出精度と一般化性能を向上させる。
• NUAA、Replay-Attack、CASIA-FASDの複数データセットを組み合わせたトレーニング戦略を採用し、モデルの一般化性能を強化する。
• 標準的なPAD指標（HTER（半分全体誤差率）、APCER（平均正例クロスオーバー誤差率）、BPCER（平均負例クロスオーバー誤差率））を用いて性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 深度、照明、局所的明るさといった内在的画像特性が、顔のプレゼンテーション攻撃の検出に有効な特徴として機能するか。
• RQ2 メタ・クラスファイアーを用いて複数の内在的特性を統合することで、特にデータセット間評価環境下で検出性能が向上するか。
• RQ3 本手法は、異なるデータセット間での一般化性能において、既存の最先端PAD手法と比較してどのように差をつけるか。
• RQ4 タスク固有の学習を再び行わず、事前学習済みCNNからの転移学習が、PADの文脈で特徴表現をどの程度向上させるか。
• RQ5 ハードウェアフリーなアプローチが、既存のデータ駆動型またはハードウェアベースの手法と比較して、データセット間プロトコル下で優れた性能を達成できるか。

主な発見

• 本手法は、データセット間評価プロトコル下でCASIA-FASDデータセットにおいて33.14%のHTERを達成し、すべての先行最先端手法を上回った。
• 照明マップ単体でも、CASIA-FASDで39.32%のHTERを達成しており、独立して使用しても強力な識別能力を示した。
• NUAAデータセットでは、Replay-AttackとCASIAの組み合わせで学習した場合、50.51%のHTERを達成しており、優れた一般化能力を示した。
• Replay-Attackデータセットにおける連結特徴マップ（深度＋照明＋局所的明るさ）は、データセット間評価下で40.21%のHTERを達成し、より高い頑健性を示した。
• CASIAとReplay-Attackデータセットの組み合わせで学習した場合、NUAAデータセットで50.61%のHTERを達成しており、優れたデータセット間一般化性能を示した。
• 局所的明るさマップの使用により、CASIA-FASDで43.15%のHTERを達成しており、スプーフィング検出における潜在的な特徴としての可能性を示した。