[论文解读] IriTrack: Liveness Detection Using Irises Tracking for Preventing Face Spoofing Attacks

Meng Shen, Zichen Liao+4 more|arXiv (Cornell University)|Oct 8, 2018

Biometric Identification and Security参考文献 19被引用 4

一句话总结

IriTrack 是一种活体检测系统，通过跟踪用户沿随机多段线路径的有意眼球运动来验证用户的生命特征。通过分析预期与实际虹膜轨迹之间的偏差，该系统能以高精度（F1 分数 >95%）和低计算开销有效抵御视频欺骗攻击，即使在光照和距离变化的情况下也表现良好。

ABSTRACT

Face liveness detection has become a widely used technique with a growing importance in various authentication scenarios to withstand spoofing attacks. Existing methods that perform liveness detection generally focus on designing intelligent classifiers or customized hardware to differentiate between the image or video samples of a real legitimate user and the imitated ones. Although effective, they can be resource-consuming and detection results may be sensitive to environmental changes. In this paper, we take iris movement as a significant liveness sign and propose a simple and efficient liveness detection system named IriTrack. Users are required to move their eyes along with a randomly generated poly-line, and trajectories of irises are then used as evidences for liveness detection. IriTrack allows checking liveness by using data collected during user-device interactions. We implemented a prototype and conducted extensive experiments to evaluate the performance of the proposed system. The results show that IriTrack can fend against spoofing attacks with a moderate and adjustable time overhead.

研究动机与目标

• 解决基于视频的欺骗攻击对人脸认证系统造成的漏洞。
• 克服现有活体检测方法依赖静态图像特征或复杂视频分析的局限性。
• 利用用户与设备交互过程中的自然眼球运动作为可靠的活体信号。
• 开发一种轻量级、与硬件无关的系统，无需专用传感器或训练过程。
• 确保在真实世界变化条件（如光照变化、摄像头差异和用户位置）下的鲁棒性。

提出的方法

• 在显示屏幕上生成随机多段线路径，引导用户沿特定轨迹移动眼球。
• 使用计算机视觉技术实时跟踪虹膜位置，包括通过 OpenCV 进行人脸检测和通过 Daugman 算法进行虹膜定位。
• 将实际虹膜轨迹与预期路径进行比较，计算偏差指标作为活体证据。
• 利用人脸与虹膜之间的相对位置追踪，提高稳定性并降低对头部运动的敏感性。
• 采用模块化处理流程，无需离线训练或复杂分类器，可在标准设备上部署。
• 集成静态纹理分析（如纹理差异）以抵御高级的面具欺骗攻击。

实验结果

研究问题

• RQ1 沿随机路径的有意眼球运动能否作为人脸认证中可靠的活体信号？
• RQ2 在光照和摄像头硬件等不同环境条件下，虹膜轨迹追踪的鲁棒性如何？
• RQ3 与现有方法相比，IriTrack 在抵御基于视频的欺骗攻击方面表现如何？
• RQ4 用户头部位置和与摄像头的距离对检测精度有何影响？
• RQ5 该系统能否在不依赖专用硬件或模型训练的情况下保持高性能？

主要发现

• 当人脸与摄像头距离为 24 cm 时，IriTrack 的 F1 分数达到 95.2%，表明在理想条件下具有高检测精度。
• 在包括室内、室外、阳光充足和多云等多种光照条件下，系统 F1 分数均保持在 91% 以上。
• 即使在强直射阳光条件下，F1 分数仍高于 90%，表明对光照变化具有良好的抗性。
• 当人脸过于靠近（20 cm）或过远（36 cm）时，检测精度显著下降（降至 69.4%），突显了正确用户定位的重要性。
• 系统有效抵御了视频重放攻击，在受控实验中未检测到任何成功的欺骗尝试。
• 集成静态纹理分析显著增强了对高级面具攻击的防御能力，否则这些攻击可能模拟眼球运动。