[論文レビュー] Specular- and Diffuse-reflection-based Face Spoofing Detection for Mobile Devices

Akinori F. Ebihara, K. Sakurai+1 more|arXiv (Cornell University)|Jul 29, 2019

Biometric Identification and Security参考文献 28被引用数 4

ひとこと要約

本稿では、単一の可視光カメラとフラッシュのみを用いて、低コストで高効率なモバイルデバイス向け顔スプーフィング検出手法を提案する。特徴的な反射（アイリスからの鏡面反射）と拡散反射（顔面からの拡散反射）を組み合わせた二重記述子 $SpecDiff$ を用いることで、深層学習モデルでさえも上回る最先端の精度を達成するとともに、6倍高速に処理され、クラスあたり約1,000対の画像データセットでの学習のみで実現可能である。

ABSTRACT

In light of the rising demand for biometric-authentication systems, preventing face spoofing attacks is a critical issue for the safe deployment of face recognition systems. Here, we propose an efficient face presentation attack detection (PAD) algorithm that requires minimal hardware and only a small database, making it suitable for resource-constrained devices such as mobile phones. Utilizing one monocular visible light camera, the proposed algorithm takes two facial photos, one taken with a flash, the other without a flash. The proposed $SpecDiff$ descriptor is constructed by leveraging two types of reflection: (i) specular reflections from the iris region that have a specific intensity distribution depending on liveness, and (ii) diffuse reflections from the entire face region that represents the 3D structure of a subject's face. Classifiers trained with $SpecDiff$ descriptor outperforms other flash-based PAD algorithms on both an in-house database and on publicly available NUAA, Replay-Attack, and SiW databases. Moreover, the proposed algorithm achieves statistically significantly better accuracy to that of an end-to-end, deep neural network classifier, while being approximately six-times faster execution speed. The code is publicly available at https://github.com/Akinori-F-Ebihara/SpecDiff-spoofing-detector.

研究の動機と目的

• リソース制限のあるモバイルデバイスに適した、最小限のハードウェアおよびデータ要件を満たす顔プレゼンテーションフォージェーション検出（PAD）アルゴリズムの開発。
• 可視光フラッシュベースの画像撮影を活用し、物理的反射特性を用いて生体とスプーフィングの顔を区別する。
• 低コストな計算量で高い検出精度を達成し、モバイルCPU上でリアルタイム動作を実現する。
• ドメイン固有の再トレーニングを必要とせず、多様なデータベースへの汎用性を検証する。
• 制限された条件下で、エンジニアド記述子がエンドツーエンドの深層学習を上回る速度と精度を発揮することを示す。

提案手法

• 本手法は、単眼可視光カメラを用い、フラッシュありとなしの2枚の顔画像を約200 ms以内に取得する。
• 瞳孔中心部の40×40ピクセル領域から、鏡面反射を捉えるための鏡像記述子 ($\mathcal{D}_{\mathrm{spec}} \in \mathbb{R}^{3200}$) を抽出する。
• 顔全体領域から、3次元顔構造を拡散反射によって表現する拡散記述子 ($\mathcal{D}_{\mathrm{diff}} \in \mathbb{R}^{10000}$) を計算する。
• 両記述子は輝度強度で正規化され、値を[-1, 1]の範囲に制限することで、分類器のロバスト性を向上させる。
• これらの記述子を連結して統一された $SpecDiff$ 記述子を構築し、SVMやニューラルネットワークなどの標準分類モデルを用いて分類する。
• フラッシュは、一貫した照明条件を確保するため、明るい白色スクリーンを模擬的に使用する。

実験結果

リサーチクエスチョン

• RQ1 フラッシュベースのPAD手法は、単一の可視光カメラと最小限のハードウェアのみで高精度を達成できるか？
• RQ2 鏡面反射および拡散反射特性を効果的に統合した記述子を一つに組み合わせることで、スプーフィング検出の性能向上が可能か？
• RQ3 制限された計算リソースを有するモバイルデバイス上では、エンジニアド記述子が深層学習モデルを上回る速度と精度を発揮するか？
• RQ4 $SpecDiff$ 記述子は、NUAA、Replay-Attack、SiW などの多様なデータベースに十分な汎用性を示すか？
• RQ5 多様な照明条件やスプーフィングタイプの下でも、本手法は頑健な性能を維持できるか？

主な発見

• $SpecDiff$ 記述子は、RBF-SVMを用いてNUAAデータベースでsACER 0.58%を達成し、他のすべてのフラッシュベースPAD手法およびResNet18モデルを上回った。
• Replay-Attackデータベースでは、RBF-SVMを用いて$SpecDiff$ 記述子がsACER 0.43%を達成し、次に優れた手法（Implicit3D）の1.24%を顕著に下回った。
• SiWデータベースでは、RBF-SVMを用いて$SpecDiff$ 記述子がsACER 0.86%を達成し、他のすべてのフラッシュベース手法およびResNet4モデルを上回った。
• 本手法は、エンドツーエンドの深層ニューラルネットワーク（ResNet18）と比較して6倍の高速化を達成しながら、すべてのテストデータベースで統計的に優れた精度を維持した。
• 本手法は、さまざまな照明条件下でも頑健な性能を示した。自社データセットにおいて、暗所条件下ではAPCERが0.0087%に低下し、明るい条件下では0.27%に低下した。
• 写真および動画スプーフィングのサブカテゴリにおいて、ほぼ完璧な検出性能を達成した。Replay-AttackおよびSiWデータベースの動画スプーフィングでは、APCERが0.00%であった。