【FAS】《Face Detection Algorithm Based on Lightweight Network and Near Infrared》

[1]赵一洲,王浩.基于轻量化网络和近红外人脸活体检测算法[J].现代计算机,2021,(16):122-127.

---

---

1、Background and Motivation

由于人脸识别系统最容易以照片、视频和面具攻击作为攻击手段，高效快捷辨别真伪，抵御欺骗攻击确保系统安全一直是人脸识别领域需要克服的挑战。针对欺骗攻击和消除安全隐患，设计一个基于检测精度高、耗时短、泛化能力强的人脸活体检测至关重要。

近红外图像基本不受外界光照影响，原理是真实的人脸和纸片、屏幕、立体面具等攻击媒介的反射特性是不同的，所以成像不同，而这种差异在红外波反射方面会更加明显，对于照片和视频攻击有很好的抵御效果。

作者提出一种基于近红外图像的人脸活体检测算法

2、Related Work

• 传统图像特征表达
  LBP、DOG、HOG、SIFT等特征，光谱信息差异等

• 主动式检测
  耗时时间较长，也需要外界配合，不能满足实时应用的需求

• 深度学习

3、Advantages / Contributions

贡献

• 提出基于轻量化网络和近红外图像的人脸活体检测方法
• 扩充活体检测样本库
• 改进轻量化网络结构（激活函数+注意力模块）

创新点

• 利用近红外图像进行活体检测
• 改进激活函数
• 引入注意力机制模块
• 自采集数据集并增加数据扰动

4、Method

基于 FeatherNet 改进（【FeatherNets】《FeatherNets：Convolutional Neural Networks as Light as Feather for Face Anti-spoofing》）

FeatherNet 中采用了流模块

把 SE 注意力机制换成了 CBAM

激活函数

本文采用的是 h-swish loss，x*ReLu6

h-swish 激活函数相对于 ReLU6 函数，无论应用在哪一层，准确率都有提升

5、Experiments

5.1、Datasets and Metrics

CASIA－SURF

3 种模态数据( ＲGB、depth 和 IＲ) 组成，包含了 1000 个不同年龄段人。攻击方式包含去除眼睛、鼻子和嘴巴部位的 A4 纸以平铺和弯曲两种方式放置在志愿者脸上共六种。

由于 CASIA-SURF 数据集输入模型训练的图像都是移除背景后的人脸信息，模型学习到的信息较为单一，并且网上未有其他对应的近红外公开数据集。为了提高模型的鲁棒性和学习到更多的图像特征，本文使用 Intel ＲealSense 435i 设备采集了一些人脸信息，包括 20 个活体人脸和 30 个照片人脸。

对采集图像进行随机旋转、平移和缩放等操作，最终在原有基础上扩充 5 倍数据，并统一处理为分辨率 224 × 224 的图像作为网络输入大小，以 9: 1 的比例分别添加到公开数据集中训练和测试中，本文将新添加的数据集命名为 CASIA-SURF IＲ +

评价指标

• APCER( Attack Presentation Classification Error Rate) ，假判为真

• BPCER( Bona Fide PresentationClassification Error Rate) ，真判为假

• ACER ( Average Classification Error Rate) ，上述二者的平均

5.2、Experimental Results and Analysis

6、Conclusion（own） / Future work

• 英文标题会让人产生是人脸检测的错觉
• h-swish，x 乘以 relu6
• 自己采集了一些数据
• 流模块
• 相比 FeatherNet，激活函数改了改，加了注意力（增大了计算量的），加了自己的数据集

---

更多论文解读，请参考 【Paper Reading】