[论文解读] Can Your Face Detector Do Anti-spoofing? Face Presentation Attack Detection with a Multi-Channel Face Detector

Anjith George, Sébastien Marcel|arXiv (Cornell University)|Jun 30, 2020

Biometric Identification and Security参考文献 28被引用 4

一句话总结

本文提出了一种多通道人脸检测器，通过单个消费级摄像头获取的RGB、深度和红外数据，同时实现人脸定位与活体检测（欺骗检测）。通过微调单阶段目标检测器（RetinaNet）以区分真实人脸与欺骗攻击，该方法消除了对独立PAD模块的需求，在WMCA数据集上实现了最先进性能，且在关键低错误区域的BPCER更低。

ABSTRACT

In a typical face recognition pipeline, the task of the face detector is to localize the face region. However, the face detector localizes regions that look like a face, irrespective of the liveliness of the face, which makes the entire system susceptible to presentation attacks. In this work, we try to reformulate the task of the face detector to detect real faces, thus eliminating the threat of presentation attacks. While this task could be challenging with visible spectrum images alone, we leverage the multi-channel information available from off the shelf devices (such as color, depth, and infrared channels) to design a multi-channel face detector. The proposed system can be used as a live-face detector obviating the need for a separate presentation attack detection module, making the system reliable in practice without any additional computational overhead. The main idea is to leverage a single-stage object detection framework, with a joint representation obtained from different channels for the PAD task. We have evaluated our approach in the multi-channel WMCA dataset containing a wide variety of attacks to show the effectiveness of the proposed framework.

研究动机与目标

• 为解决面部识别系统易受展示攻击（如照片、视频）影响的问题，将防欺骗功能直接集成到人脸检测阶段。
• 通过在统一的人脸检测框架中利用多通道数据（RGB、深度、红外），消除对独立展示攻击检测（PAD）模块的需求。
• 通过用能原生执行PAD的多通道检测器替代标准人脸检测器，减少面部识别流水线中的计算冗余。
• 通过利用背景上下文信息并结合焦点损失进行困难负样本挖掘，提升对多样化攻击（包括2D、3D和部分攻击）的鲁棒性。

提出的方法

• 使用基于单阶段RetinaNet的检测器，在消费级摄像头（Intel RealSense SR300）采集的复合多通道输入（彩色、深度、红外）上进行训练。
• 将人脸检测任务重构为对区域进行分类：‘真实人脸’或‘展示攻击’（非人脸），从而实现联合定位与防欺骗检测。
• 采用焦点损失聚焦于困难负样本（如攻击图像），在攻击数据有限的情况下提升泛化能力。
• 支持灵活的训练模式：单类（仅真实人脸）、两分类（真实人脸 vs. 攻击）或多类（带攻击类型标签），以适应数据可用性。
• 利用图像整个背景作为负样本，通过利用人脸区域之外的上下文信息增强鲁棒性。
• 可通过在输入端堆叠RGB与深度通道，适配RGB-D设置（如使用OpenCV AI Kit（OAK-D）或Kinect）。

实验结果

研究问题

• RQ1 能否有效微调多通道人脸检测器，在保持准确人脸定位的同时检测展示攻击？
• RQ2 与独立的PAD模块相比，将PAD集成到人脸检测阶段是否能减少流水线冗余和计算开销？
• RQ3 在使用低成本传感器的现实条件下，该方法在面对多样化攻击类型（2D、3D、部分攻击）时表现如何？
• RQ4 使用背景区域作为负样本是否能在不依赖大量攻击数据的情况下提升检测鲁棒性？
• RQ5 当仅有有限的攻击样本时，焦点损失训练是否能提升对困难样本（如逼真欺骗攻击）的性能？

主要发现

• 所提方法在WMCA数据集上优于最先进的基于CNN和基于特征的PAD方法，尤其在低BPCER范围（α ≤ 0.5）表现更优。
• EPC曲线显示在关键低错误区域性能更优，表明其在实际部署中具备强鲁棒性与可靠性。
• 该方法在不增加计算成本的前提下实现高检测准确率，因其直接替代了流水线中的标准人脸检测器。
• 仅使用真实人脸样本进行训练，并利用背景作为负样本，即可获得优异性能，证明其在低数据场景下的可行性。
• 多通道数据（RGB、深度、红外）显著提升了真实人脸与欺骗攻击之间的区分能力，优于单谱方法。
• 该框架可部署于低成本消费级硬件（如Intel RealSense SR300、OAK-D），具备实际应用潜力。