武汉理工大学学报(信息与管理工程版)2021，Vol.43Issue(3) ：264-267,286.DOI:10.3963/j.issn.2095-3852.2021.03.011

基于多模态融合的活体检测研究

Face Anti-spoofing Based on Multimodal Fusion

朱大力 朱桦 陈志寰
武汉理工大学学报(信息与管理工程版)2021，Vol.43Issue(3) ：264-267,286.DOI:10.3963/j.issn.2095-3852.2021.03.011
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于多模态融合的活体检测研究

Face Anti-spoofing Based on Multimodal Fusion

朱大力 1朱桦 2陈志寰3
扫码查看

作者信息

  • 1. 海军工程大学 船舶与海洋学院,湖北 武汉 430033
  • 2. 安徽工业大学 商学院,安徽 马鞍山 243002
  • 3. 海军勤务学院 战勤指挥系,天津 300450
  • 折叠

摘要

活体检测技术是人脸识别系统中的一个重要环节,基于深度学习的方法依赖RGB模态,难以提取更有效的图像特征,因此提出了基于多模态特征融合的活体检测方法.首先,提取RGB、深度和红外3个模态在卷积神经网络中的高层语义特征,并进行融合.其次,为了提取更具辨别性的特征信息,将网络的输入改为图像的局部区域块.最后,在模型训练的过程中加入多模态特征随机擦除操作,可有效降低过拟合,提升模型鲁棒性.实验表明:融合多模态特征能够有效识别不同类型的假体攻击,为人脸识别提供安全保障.

关键词

活体检测/鲁棒性/多模态/卷积神经网络/深度学习

引用本文复制引用

出版年

2021
武汉理工大学学报(信息与管理工程版)
武汉理工大学

武汉理工大学学报(信息与管理工程版)

CSTPCD
影响因子：0.37
ISSN：2095-3852
被引量1
参考文献量1
段落导航相关论文