|
|
技术背景： m'-|{c 人脸识别是一种生物特征身份认证方法。尽管人脸识别系统相比传统密码安全性更好，但是仍然可能被打印的照片或者面具所欺骗。为了应对这些攻击，研究人员开发了诸如需要3D信息、视频信息和利用算法在RGB图像中进行异常检测等手段。然而，随着3D打印和仿生硅胶技术的发展，一些3D伪装面具已经可以逼真到欺骗人眼。这些3D面具为当今的人脸识别系统带来了巨大的挑战。此外，当前基于RGB、RGBD或NIR图像的人脸反欺诈算法通常在数据集间评估时表现不佳。这种域适应问题导致人脸反欺诈系统在实际部署时的性能不可预测。除了这些常用的传感器外，短波红外成像、热成像相机、光场相机、偏振相机等先进手段也被用于人脸反欺诈系统，以期提高真脸和假脸的识别能力，但是这些传感器昂贵、庞大或者不便于使用。因此，它们很少被集成到真实世界的人脸识别系统里。 {u[V{XIUh 光谱分析是一种区分不同材料的有效手段。由于人类血液中血红蛋白的吸收，人类皮肤的反射光谱在545nm和575nm处各有一个极小值，这个特性很难用面具模仿。基于高光谱成像的人脸反欺诈系统要比基于RGB相机的系统更有效可靠。但是传统的高光谱相机依赖光栅和机械扫描系统，因此存在成本高、体积大、单帧高光谱图像采集时间长的问题。在实际场景中，仍然不适用这样的高光谱系统。近年来，片上光程成像传感器技术迅猛发展。使用硅超表面和计算成像技术，可以实现片上快照高光谱传感器。它能以视频帧率采集高光谱图像，使得高光谱传感器进入日常生活场景成为可能。 5[{*{^F4 文章创新点： >2 3 - 基于此，清华大学的Shijie Rao(一作)和Yali Li(通讯)等人提出一种基于超表面的快照高光谱图像传感器，用于人脸反欺诈识别系统。它在实际场景中使用光谱分析可以有效检测到几乎所有的欺骗攻击，并且对未知种类的攻击也有效。作者提出的系统在成本、体积和成像速度(50ms可采集一张高光谱图像)上都很具优势。 ?k[p<Uo 原理解析： i-U4RZE 超表面结构集成在CMOS图像传感器表面，超表面对入射光进行调制，CMOS图像传感器收集被调制的光强。利用频谱重建算法，获得高光谱图像。传感器输出的原始图像作为人脸检测和识别的输入，随后使用脸部的关键点数据重建出频谱，通过分析频谱信息完成人脸反欺诈分析，系统流程图见图1。 +
<c^=&7Lq  图1 kGkA:g: (1)高光谱成像传感器。如图2，高光谱成像传感器包含4万余个显微分光计(microspectrometer)，每个显微分光计包含N个不同的超表面单元，不同超表面单元的透射响应被设计成具有最小相关性。入射光的频谱求解看作为一个压缩感知问题，用凸优化方法求解。 +Ug/rtK4  图2 CU:o*;jP (2)人脸反欺诈系统分类器。分类器原理示意如图3，对于每一个输入，选择32个关键点的频谱信息。通过采用Transformer编码器的自注意力机制，分别分析每个频谱样本的特征，同时还考虑32个样本的互相关。最后，Transformer编码器将输出向量发送到多层感知机，得到最终的人脸反欺诈分析结果。 Ro=AADv@  图3 `O^G5 0 实验结果： ^2o dr \ 真实人脸(上排)和屏幕显示人脸(下排)分别由RGB相机采集(第1列)，作者提出的传感器采集的原图(第二列)，重建出的高光谱图像(第三列),人脸反欺诈系统像素级检测结果，亮黄色像素表示检测到真实皮肤(第四列)。 IkzTJ %>  q@hp.(V
<e%F^#y_
真实场景人脸反欺诈识别结果。日光下真实人脸结果(a);日光下硅胶面具结果(b)；屏幕显示人脸结果(c)；LED灯光下高质量3D树脂面具结果(d)；日光下纸面具结果(e)；LED灯光下真实人脸结果(f)。 U6[ang'l  mfny4R1_
?8, %LIQ?
\uG`|D n
qpJ{2Q 参考文献：Shijie Rao, Yidong Huang, Kaiyu Cui, and Yali Li, "Anti-spoofing face recognition using a metasurface-based snapshot hyperspectral image sensor," Optica 9, 1253-1259 (2022) pbHsR^ xw<OLWW
文章来源：“光学前沿”公众号 "Dy'Kd%,%/
YYg) 我司WJ系列高光谱相机，针对使用假头套、头模等工具非法通过人脸安防设备的情况，采用光谱相机对人脸表面材料进行区分，能够实现对真假人脸的分类识别。如想了解更多，欢迎＋威：threephy _)$PKOzbb  r,(e t
|
