束鑫¹,唐慧¹,杨习贝¹,宋晓宁²,吴小俊²

¹(江苏科技大学计算机学院 江苏镇江 212003);²(江南大学物联网工程学院 江苏无锡 214122) (shuxin@just.edu.cn)

出版日期: 2020-07-01


基金资助:国家自然科学基金面上项目(61572242,61672265,61876072,61772244)

Research on Face Anti-Spoofing Algorithm Based on DQ_LBP

Shu Xin¹, Tang Hui¹, Yang Xibei¹, Song Xiaoning², Wu Xiaojun²

¹(School of Computer Science, Jiangsu University of Science and Technology, Zhenjiang, Jiangsu 212003);²(School of IOT Engineering, Jiangnan University, Wuxi, Jiangsu 214122)

Online: 2020-07-01


Supported by:This work was supported by the General Program of the National Natural Science Foundation of China (61572242, 61672265, 61876072, 61772244).

摘要/Abstract

摘要： 随着人脸识别技术已经融入到人们日常生活中，人脸欺诈检测作为人脸识别前的一个关键步骤越来越受到重视.针对打印攻击和视频攻击，提出了一种通过量化局部像素之间的差值来细化传统局部二值模式(local binary pattern, LBP)特征的差分量化局部二值模式(difference quantization local binary pattern, DQ_LBP)算法.DQ_LBP能够在不增加LBP维度的基础上提取像素之间的差值信息，以便更精确地描述图像的局部纹理特征.此外，使用空间金字塔算法统计了不同彩色空间中的DQ_LBP特征并将其融合成统一的特征向量，从而更加充分地描述了人脸的局部彩色纹理信息及其空间结构信息，进一步提高了算法的检测性能.实验结果表明：该算法在CASIA FASD,Replay-Attack,Replay-Mobile三个具有挑战性的人脸反欺诈数据库中都取得了较为优异的结果，而且在实时性设备的应用上具有很大的潜能.

参考文献

相关文章 3

[1]	田野,项世军. 基于LBP和多层DCT的人脸活体检测算法[J]. 计算机研究与发展, 2018, 55(3): 643-650.
[2]	冀中,聂林红. 基于抗噪声局部二值模式的纹理图像分类[J]. 计算机研究与发展, 2016, 53(5): 1128-1135.
[3]	谢 昭 凌 然 吴克伟. 独立子空间中的场景特征增量学习方法[J]. , 2013, 50(11): 2287-2294.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4221