计算机工程

作者：陈苏阳, 宋晓宁

单位：江南大学 人工智能与计算机学院, 江苏 无锡 214122

关键词：卷积神经网络,人脸活体检测,纹理特征,感受野,多监督

基金：国家自然科学基金（61876072）；江苏省“六大人才高峰项目”。

目前的多数活体检测算法忽略了特征挖掘，导致判别性信息提取不足。提出一种融合梯度纹理和群感受野的活体检测算法。使用中心差分卷积计算感受野周围点与中心点的差值，提取图像的梯度纹理特征，设计群感受野模块，采用不同尺寸的卷积核结合空洞卷积组成多分支结构，在使用较少参数量的情况下获得更大的感受野和多尺度特征，并将两种特征融合输入到残差结构中。此外，在使用深度图进行监督的同时，增加二值掩模进行辅助监督，使得网络将学习的中心放到人脸部位，进一步提升模型的鲁棒性。在此基础上，综合深度图生成器和掩模生成器的输出结果，计算预测得分，实现端到端的活体检测。实验结果表明，该算法在公开数据集OULU-NPU 4个协议上的平均分类错误率分别为0.9%、1.9%、1.6%±2.0%和2.7%±1.8%，在数据集CASIA-MFSD和Replay-Attack上可实现无误差活体检测，并且模型参数量仅为1.1 MB，与Auxiliary和STASN等活体检测算法相比，检测精度更高，具有更好的鲁棒性。

来源：2022年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第12期