基于时序光流与微表情的人脸活体识别

来源：计算机应用与软件杂志2024年第12期北京时间：

作者：周延森, 徐传凯, 崔见泉

摘要：人脸活体检测模型存在着泛化性较差、复杂度高等问题，从而导致不能有效识别新假体攻击类型。基于此，该文提出一种基于时序光流和微表情人脸活体检测模型(FT-CNN)。该模型由TVNet-DTSCNN和Attention CNN-LSTM卷积网络组成。TVNet-DTSCNN对输入的时序人脸帧分别进行光流预测和微表情提取，Attention CNN-LSTM提取人脸视频中的运动细节线索并放大，使模型学习到活体和假体人脸的鲁棒性特征。在CASIA、CASIA-SURF和MSU-MFSD数据集上的训练和测试结果表明，FT-CNN在准确率(Acc)、平均错误率(HTER)和泛化性上的表现相比之前的模型均显著提升。

关键词：人脸活体检测, 微表情识别, 注意力机制, 3D卷积网络, 光流预测