基于多特征融合的3D打印面具攻击检测

针对人脸认证系统的欺骗攻击,传统欺骗攻击方式主要包括照片和视频攻击。随着三维(3D)打印技术的快速发展,使用3D面具进行欺骗攻击逐渐成为新威胁。在剪切波变换基础上,结合人脸3D几何特征和局部区域纹理变化,针对3D面具欺骗攻击提出一种利用多层自编码网络进行特征融合分类来识别攻击面具的方法。通过非下采样剪切波变换从目标人脸3D图像中提取低频子带和高频子带。在低频子带上利用尺度空间函数对特征点进行检测、定位及方向分配,生成特征描述子。将所生成的特征描述子与高频子带上提取的纹理特征输入栈式自编码器和softmax分类器进行瓶颈特征融合分类。在基于柔性TPU材质3D打印面具BFFD数据库上的实验结果表明,相比于以往单独使用纹理特征的方法,加入3D几何特征的多特征融合方法对反3D面具攻击的准确率有显著提升。