[论文解读] 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 4

一句话总结

该论文提出了一种低成本、高效率的移动设备人脸活体攻击检测方法，仅使用单个可见光摄像头和闪光灯。通过分析来自角膜的镜面反射和来自面部表面的漫反射，利用双描述符 $SpecDiff$，该方法实现了最先进水平的准确率——甚至优于深度学习模型——同时运行速度提升六倍，且仅需约每类1,000对图像的少量训练数据集。

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.

研究动机与目标

• 开发一种适用于资源受限移动设备的面部活体攻击检测（PAD）算法，对硬件和数据需求最小化。
• 利用基于可见光闪光成像的技术，通过物理反射特性区分真实人脸与伪造人脸。
• 在计算成本极低的前提下实现高检测准确率，支持在移动CPU上实时部署。
• 在无需针对特定领域重新训练的情况下，验证其在多种数据库上的泛化能力。
• 证明在资源受限条件下，手工设计的描述符可在速度和准确率上超越端到端深度学习模型。

提出的方法

• 该方法在约200毫秒内使用单目可见光摄像头捕获两张人脸图像：一张带闪光，一张不带闪光。
• 从以角膜为中心的40×40像素区域提取镜面描述符 ($\mathcal{D}_{\mathrm{spec}} \in \mathbb{R}^{3200}$)，以捕捉来自角膜的镜面反射。
• 从整个面部区域计算漫反射描述符 ($\mathcal{D}_{\mathrm{diff}} \in \mathbb{R}^{10000}$)，通过漫反射表示三维面部结构。
• 通过亮度强度对两个描述符进行归一化，将取值范围限定在[-1, 1]，以提升分类器的鲁棒性。
• 将两个描述符拼接为统一的 $SpecDiff$ 描述符，随后使用标准分类模型（如SVM或神经网络）进行分类。
• 通过使用明亮的全白屏幕模拟闪光，确保光照条件的一致性。

实验结果

研究问题

• RQ1 基于闪光的PAD方法是否仅使用单个可见光摄像头和最少硬件配置即可实现高准确率？
• RQ2 能否有效将镜面反射与漫反射特性整合到单一描述符中以提升伪造检测性能？
• RQ3 在计算资源有限的移动设备上，手工设计的描述符是否能在速度和准确率上超越深度学习模型？
• RQ4 该 $SpecDiff$ 描述符在NUAA、Replay-Attack和SiW等多样化数据库上的泛化能力如何？
• RQ5 该方法在不同光照条件和多种伪造类型下是否能保持鲁棒性能？

主要发现

• 在NUAA数据库上，使用RBF-SVM的 $SpecDiff$ 描述符实现了0.58%的sACER，优于所有其他基于闪光的PAD方法以及ResNet18模型。
• 在Replay-Attack数据库上，使用RBF-SVM的 $SpecDiff$ 描述符实现了0.43%的sACER，显著低于次优方法（Implicit3D为1.24%）。
• 在SiW数据库上，使用RBF-SVM的 $SpecDiff$ 描述符实现了0.86%的sACER，优于所有其他基于闪光的方法以及ResNet4模型。
• 该方法在所有测试数据库上均保持了统计上更优的准确率，同时相比端到端深度神经网络（ResNet18）实现了六倍的速度提升。
• 在不同光照条件下表现出强鲁棒性：在自建数据集上，暗光条件下APCER降至0.0087%，亮光条件下降至0.27%。
• 在照片和视频伪造子类别中均实现了近乎完美的检测性能，Replay-Attack和SiW数据库上视频伪造的APCER均为0.00%。