【摘 要】
：
近年来,随着人脸识别技术的广泛应用,一些存在于人脸识别技术本身的问题也开始受到了人们的关注。相较于指纹、虹膜等获取成本较高的生物特征,人脸信息由于其易获取的特性,使得打印攻击、重放攻击、面具攻击等攻击方式对用户的隐私和财产安全都造成了极大的威胁,因此在人脸识别的基础上对用户是否是本人进行验证,对人脸识别系统的现实应用具有极为重要的意义和价值,也是人脸识别技术真正得到广泛应用的重要前提和保障。人脸欺
论文部分内容阅读
近年来,随着人脸识别技术的广泛应用,一些存在于人脸识别技术本身的问题也开始受到了人们的关注。相较于指纹、虹膜等获取成本较高的生物特征,人脸信息由于其易获取的特性,使得打印攻击、重放攻击、面具攻击等攻击方式对用户的隐私和财产安全都造成了极大的威胁,因此在人脸识别的基础上对用户是否是本人进行验证,对人脸识别系统的现实应用具有极为重要的意义和价值,也是人脸识别技术真正得到广泛应用的重要前提和保障。人脸欺骗攻击检测,又被称为人脸反欺骗（face anti-spoofing）,就是这样一种验证用户是否为本人的方法。本文围绕人脸反欺骗课题,以将先验知识与深度学习相结合的辅助监督方法为核心,针对基于图像重建方法的人脸反欺骗解决方案进行了研究,主要从以下几个方面开展工作:（1）提出了一种基于SA-UNET（Spatial Attention U-Net）的辅助监督人脸反欺骗算法,通过利用PRNET生成的人脸深度标签和基于空间自注意力机制的SA-UNET模型对人脸图像进行深度重建,以捕捉真实人脸与欺骗人脸在深度信息上存在的差异,从而引导神经网络的特征学习方向,同时采用了对比深度损失提升模型的图像重建能力,并提出了一种基于背景元素占比的评分方式对重建图像进行评分,进而实现了分类精度的提升。（2）提出了一种融合深度信息和像素级标签的Dual-head监督人脸反欺骗算法,在深度信息辅助监督的基础上添加了像素级标签作为第二种辅助监督信息,通过学习两种不同的监督信息在特征表示上的差异性和一致性,从而提升了模型在应对多种条件下的不同攻击方式的能力,同时引入了小波变换以关注图像的频域特征,并针对该模型提出了一种联合评分方式以实现更好地评分,最终全面提升了模型的分类准确率。（3）设计了一个面向复杂场景的活体人脸检测平台,该平台的主要功能是通过选择多种不同的算法对多种形式的人脸样本进行人脸区域裁剪和欺骗攻击检测,并可以根据实际需求对模型参数进行微调,可应用在门禁、签到、快递取货等应用场景。
其他文献
我国进入改革开放以来,人民的生活水平日益提高,随之而来的是我国老龄化程度的日益严峻。据第七次全国人口普查数据显示,我国的空巢老人、独居老人数量呈迅猛上涨趋势。尤其是传统家庭结构受到冲击后,长期的独居生活使老人们在社会融入、人际交往等方面存在缺失,这些缺少社会支持的老人即便在生活条件上殷实,但难免会出现自我效能感降低、社会支持网薄弱、活动范围有限的窘境,进而导致孤独感、失落感等负性情绪无法得到慰藉。
随着时代的发展,对气液两相流的研究引起了广大学者的重视。类似水煤浆汽化炉冷却室、气浮机等设备中形成的气液两相流流动中,气泡穿过底层颗粒物后脱离上升运动的过程也是值得研究的。气泡在不同工况中的形状大小、运动轨迹、运动速度会直接影响设备的工作效率和能源的利用率。在气泡研究中,气泡图像是重要的手段,其中分离技术又尤为的重要,并且是研究不同工况下气泡穿过液池中上升运动的行为特性的基础。现有的图像分离技术大
在当前能源紧缺的大环境下,由于化石燃料对环境的污染加剧,研发一种高效率的清洁能源的需求日益增大。在清洁燃料电池中,由于Pt表面瞬时吸附H*的自由能变化值几乎为零,Pt催化剂是当前最理想的催化材料。但由于Pt在地球上含量稀少、价格昂贵,因此,构建一种低Pt或无Pt的过渡基高效燃料电池催化剂是前研究的大势所趋。本文基于以上几点,开发了过渡金属基氮掺杂复合材料,并探究了其性能及内在机理。具体研究如下:（
由于现如今汽车保有量急速增长而引起的道路拥挤和安全事故等交通问题日益严重,引发了巨大的人员伤亡和经济损失。驾驶员的判定失误、决策失误等人为因素是引发“幽灵堵车”和一系列交通事故的主要原因。自动驾驶的出现减少了因驾驶员原因而造成交通堵塞等交通事故的发生。在自动驾驶的初级阶段,协同自适应巡航控制（Cooperative Adaptive Cruise Control,CACC）是最先实现并能部署于实际
卷积神经网络因其独有特性被广泛应用到各个行业,伴随着对卷积神经网络模型精度的追求,网络模型也在往更深层次与更复杂的架构下发展,这就要求部署平台要有与之匹配的硬件条件和资源开销,这也对后续模型部署带来更大的挑战。过去搭载神经网络的通用处理平台都是通过大量的浮点运算单元在加速卷积训练时具有较好的效果,但是与之而来的是高功耗、昂贵的硬件资源开销,同时也带来无法在嵌入式等资源开销受限的平台部署等问题。FP
非平衡学习是针对数据集中各类样本数量不平衡分布的情况下进行分类的一种学习方法。传统的机器学习技术在很多应用中取得了重大的成功,但对于非平衡的数据,由于不同类样本分布不平衡,导致传统机器学习方法在这类问题中失效。当前针对非平衡学习问题主要有三个层面的解决方案:数据层面方法,代价敏感方法,集成学习方法。数据层面的方法由于其易于部署且独立于分类器的优点,受到了广泛的重视与深入的研究。然而当前主流的数据层
随着工业生产、医疗、教育等不同领域的智能化发展,流程对象数据逐渐涌现,这些数据由存在前后影响关系的多个环节生成,并且由不同的采集设备源源不断的传输到存储空间中。这些数据往往随着时间变化且无规则的无限增长,存在数据维度高而知识密度低,数据价值随时间增长而降低等特点。无限的数据增长不但会增加存储设备的存储压力和设备成本,也增加了数据分析的困难性,冗余和过期的数据会降低数据分析结果的实用性和有效性,因此
睡眠分期是诊断睡眠相关疾病的一项基础性工作,能够客观反映睡眠质量。但由睡眠技师人工判读睡眠阶段枯燥、费时,且标记结果具有一定的主观性,容易误判。近年来,我国儿童睡眠问题愈加显著,睡眠不足和睡眠相关疾病严重危害着儿童的身心健康。然而,我国睡眠医学发展较晚,相关医疗资源严重稀缺,亟需一种可靠的儿童自动睡眠分期方法,辅助医生进行儿童睡眠相关疾病的诊疗。目前,睡眠分期的研究大多使用单通道脑电信号,少量使用
随着社会经济和科技的进步，建筑行业不仅有了更大的发展空间，传统建筑技术也得到了进一步改进，绿色施工技术逐渐成为目前建筑行业应用的主要手段。该技术在环保、节能等方面有很大优势，可以促进建筑企业的持续稳定发展。文章就绿色施工技术及其自身的意义进行了简要阐述，并结合实例进行了深入分析和探讨，以供参考。
随着人们生活水平的提高,机动车成为人们日常出行的常用交通工具。与此同时,汽车的数量在逐年增加,而道路建设无法承担机动车数量快速增长带来的交通压力,城市道路拥堵成为社会热议的民生问题,不可避免地导致空气污染以及日常通勤时间的延长,人民幸福指数大幅下降。建立高效、智能的交通系统是解决当前问题的有效途径,其中精确的交通流预测可为智能交通灯控制和车辆路径规划等智能交通系统核心功能提供数据支撑。复杂路网下交