基于LBP-MDCT和CNN的人臉活體檢測(cè)算法
關(guān)鍵詞：人臉活體檢測(cè) 局部二值模式 多層離散余弦變換 卷積神經(jīng)網(wǎng)絡(luò) 決策級(jí)融合
摘要：人臉活體檢測(cè)技術(shù)作為人臉識(shí)別系統(tǒng)安全運(yùn)行的重要保障,對(duì)保障網(wǎng)絡(luò)空間安全意義重大.針對(duì)基于視頻的人臉欺騙攻擊,提出一種基于局部二值模式-多層離散余弦變換(local binary pattern and multilayer discrete cosine transform,LBP-MDCT)和卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)融合的人臉活體檢測(cè)算法.首先從檢測(cè)視頻中提取人臉圖像;接著對(duì)人臉圖像進(jìn)行LBP和多層DCT變換以得到LBP-MDC T特征,將部分人臉圖像輸入CNN中以得到CNN特征;然后將兩種特征分別輸入到支持向量機(jī)(support vector machine,SVM)中得到分類結(jié)果;最后將SVM的輸出進(jìn)行決策級(jí)融合以判定檢測(cè)視頻的合法性.在Replay-Attack和CASIA-FASD數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明,相對(duì)于現(xiàn)有算法,該算法的檢測(cè)性能更加優(yōu)越.
應(yīng)用科學(xué)學(xué)報(bào)雜志要求:
{1}稿件須提供詳細(xì)準(zhǔn)確的參考文獻(xiàn)信息，包括作者姓名、著作名、出版地、出版單位、出版年，文章名、期刊名及出版時(shí)間等。
{2}學(xué)術(shù)內(nèi)容：應(yīng)具有真實(shí)性、科學(xué)性、導(dǎo)向性、實(shí)用性、創(chuàng)新性。
{3}每圖應(yīng)有圖序、圖題、圖注和圖身。圖中的物理量用符號(hào)表示并注明單位。圖序、圖題、圖注以及所用的名詞、術(shù)語(yǔ)要與正文一致。
{4}正文行文中非漢語(yǔ)姓氏一律使用外文原文。
{5}請(qǐng)?jiān)谖母搴竺孀⒚鞲寮?lián)系人的姓名、工作單位、地址、電話、郵箱等信息，以便本刊編輯聯(lián)系有關(guān)事宜。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
