基于3D卷积神经网络的活体人脸检测

来源：信号处理杂志 2017年第11期北京时间：

作者：甘俊英, 李山路, 翟懿奎, 刘呈云

摘要：非法入侵者通过伪装人脸骗取系统认证，给人脸认证系统带来了严重的威胁。因此，活体人脸检测成了人脸认证系统走向实用必须解决的一个重要课题。现有活体人脸检测方法多为基于照片的人脸攻击方面的研究成果，对于基于视频的人脸攻击，效果并不理想。3D卷积神经网络（Convolutional Neural Network，CNN）具有深度学习的特点，能自动学到图像的分布式特征表示；与2D卷积相比，它能学到连续视频帧的动作信息。本文结合3D卷积神经网络的特性，提出利用3D卷积实现视频人脸伪装检测。通过提取3D卷积神经网络最后全连接层学到的时间空间特征，训练SVM（Support Vector Machine）分类器，实现真实人脸和伪装人脸的分类。实验采用两个人脸伪装公开数据库ReplayAttack和CASIA，实现多尺度内部数据库测试和交叉数据库测试。实验结果相对于纹理特征及2D卷积方法有较大提高，可应用于视频人脸攻击的活体人脸检测。

关键词：3D卷积神经网络, 活体人脸检测, 人脸反伪装, 社会安全