[论文解读] 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 7

一句话总结

本文提出一种紧凑的双通道深度学习模型，通过融合手工设计的颜色-纹理特征（宽通道）与CNN学习的深层特征（深度通道），实现鲁棒的人脸活体检测。该方法在跨数据集测试中实现了最先进（SOTA）的泛化性能，在SiW数据集上的EER降低至0.55%，在ROSE-Youtu数据集上降低至4.27%，优于单通道模型，且对未见的活体攻击更具鲁棒性。

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).

研究动机与目标

• 解决现有面部活体检测方法在未见攻击类型和数据集上泛化能力有限的问题。
• 通过整合领域特定的手工设计特征，克服在受控、有限数据集上训练的深度学习模型的偏差。
• 开发一种统一的神经网络架构，结合数据驱动的深层特征与工程化纹理特征的优势，以提升鲁棒性。
• 提升在跨数据集活体检测中的性能，特别是在未见攻击场景和设备差异下的表现。
• 构建一种紧凑、高效的模型，适用于移动和嵌入式生物识别系统中的实际部署。

提出的方法

• 提出一种双通道神经网络：深度通道采用专为活体检测设计的CNN架构，用于学习低维、数据驱动的表征。
• 宽通道整合了在频域、纹理域和时域中已被证明有效的成熟手工设计颜色-纹理特征。
• 将两个通道的特征拼接后输入共享的统一潜在空间，实现联合表征学习。
• 通过特征交互模块在最终分类前动态融合深层与宽特征，实现互补学习。
• 在多个活体检测数据集（SiW、ROSE-Youtu、NUAA）上端到端训练模型，并使用标准指标（EER、HTER）进行评估。
• 执行跨数据集的训练与测试以评估泛化能力，并通过消融实验比较单通道与双通道变体的性能。

实验结果

研究问题

• RQ1 将手工纹理特征与深度神经网络特征结合，是否能提升在多样化数据集和攻击类型下的活体检测泛化能力？
• RQ2 与单通道模型（仅CNN或仅描述符）相比，双通道架构在未见数据上的性能与鲁棒性如何？
• RQ3 宽特征与深特征的融合在多大程度上可减少过拟合并提升跨数据集活体检测的性能？
• RQ4 所提出的模型是否能在小样本或有偏差的数据集（如仅关注打印攻击的NUAA）上保持高精度？
• RQ5 该模型是否能在保持高性能的同时保持紧凑性，适用于资源受限环境中的实时部署？

主要发现

• 在跨数据集测试中，双通道模型在SiW数据集上达到0.55%的EER，在ROSE-Youtu数据集上达到4.27%的EER，显著优于单通道模型。
• 在SiW数据集上，仅CNN的模型EER为1.05%，仅颜色-纹理描述符的模型EER为1.92%，表明双通道融合显著提升了性能。
• 在跨数据集评估中，双通道模型相比最佳单通道基线，EER降低超过10%，证明其具有更优的泛化能力。
• 在跨数据集测试中，该模型在SiW数据集上达到1.05%的HTER，在ROSE-Youtu数据集上达到6.12%的HTER，表明其在误接受率与误拒绝率之间具有良好的平衡。
• 消融实验证实，特征交互模块实现了有效的特征融合，双通道模型在所有测试设置下均持续优于两种单通道变体。
• 该模型对数据集偏差和分布偏移表现出更强的鲁棒性，尤其在更小、更受限的NUAA数据集上，其在跨数据集测试中的EER为22.34%。