CC BY
0
Секция «Программные средства и информационные технологии»
УДК004.932
ДЕТЕКТИРОВАНИЕ ПОДДЕЛЬНЫХ ИЗОБРАЖЕНИЙ ЛИЦ С ПОМОЩЬЮ ОЦЕНКИ ДВИЖЕНИЯ И ГЛУБИНЫ ЛИЦА
А. А. Якимчук Научный руководитель - М.Н. Фаворская
Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: anton.yakimchuk7@gmail.com
Описаны преимущества и недостатки распознавания лиц как способа аутентификации в системах контроля доступа. Рассмотрен метод обнаружения поддельных изображений лиц с помощью оценки движения и глубины лица.
Ключевые слова: аутентификация, распознавание лиц, поддельные изображения, внешние атаки, глубина лица.
DETECTING FAKE FACE IMAGES USING DEPTH AND MOTION EVALUATION
A.A. Yakimchuk Scientific supervisor - M.N. Favorskaya
Reshetnev Siberian State University of Science and Technology 31, Krasnoyarskii rabochii prospekt, Krasnoyarsk, 660037, Russian Federation E-mail: anton.yakimchuk7@gmail.com
This article shows the advantages and disadvantages of face recognition as means of authentication in access control systems and describes a method for detecting fake face images using depth and motion evaluation.
Key words: authentication, face recognition, fake images, presentation attacks, face depth.
Аутентификация является процедурой проверки подлинности и одним из этапов работы систем контроля доступа. Наиболее надежным и безопасным методом аутентификации сотрудников в организации или на предприятии является биометрическая аутентификация или биометрия. Существует целый ряд биометрических характеристик, таких как: лицо, отпечаток пальца, радужная оболочка глаза, голос, походка и т.д. [1]. Наиболее естественным, удобным и быстрым способом аутентификации является распознавание лиц. Данный способ стал незаменимым во многих системах контроля доступа. Несмотря на то, что существует достаточно много исследований и коммерческих разработок в данной области, решены не все вопросы исследовательского характера, в частности существует проблема защиты от несанкционированных атак[2]. Злоумышленники могут легко обмануть системы распознавания лиц, используя внешние атаки, такие как: распечатанная фотография, видео высокого разрешения, а также 3Бмаски [3]. Для защиты от подобных атак предлагается множество методов защиты от подмены лица. Рассмотрим один из них, представленный в работе [3].
Очевидно, что подлинные изображения лиц содержат информацию о глубине лица, в то время как поддельные изображения лиц в виде атак печати и воспроизведения содержат только информацию о плоскостной глубине. Однако, информация о глубине более очевидна
Актуальные проблемы авиации и космонавтики - 2022. Том 2
в последовательных кадрах. Рассматриваемая в работе [3]архитектура состоит из двух модулей. Один из них представляет собой однокадровую часть, в которой основное внимание уделяется поиску сигналов спуфинга с контролем статической глубины. Второй модуль представляет собой многокадровую часть, состоящую из функционального блока с оптическим управлением потоком (ОБББ) в качестве модуля кратковременного движения и сверточных рекуррентных блоков (СопуОЯи), моделирующих модели долгосрочного движения.
Для анализа глубины изображения лица (Рисунок 1) используется метод плотного выравнивания РКЫе1 [4]. Данный метод проецирует трехмерную форму всего лица в ИУ-пространство. С помощью этого метода можно получить группу вершин Уп*3, представляющих п трехмерных координат ключевых точек лица. Поскольку эти координаты разрежены при сопоставлении с двухмерным изображением плоскости, они интерполируются, - чтобы получить плотные координаты лица. Путем сопоставления и нормализации интерполированных координат к двумерному плоскому изображению сгенерированная карта глубины лица может быть представлена как Б е 32*32 [3].
Рис. 1. Изображения лица до и после обработки с помощью PRNet
Для экспериментов с данной архитектурой было использовано две базы данных OULU-NPU [5] и SIW [6].ОЦЦи-ЫРипредставляет собой базу данных высокого разрешения, состоящую из 4950 настоящих и поддельных видеороликов. База данных SIW содержит 4478 настоящих и поддельных видеороликов в разрешении 1080PHD, причем в наборе данных преобладают больше настоящих видеороликов с вариациями расстояния, позы, освещения и выражения лица. Экспериментальные результаты показывают, что анализ движения и глубины лица помогает эффективно отличать подлинное изображение от поддельного.
Библиографические ссылки
1. Tang, Y. (2016) Contributions to Biometrics: Curvatures, Heterogeneous Cross-resolution FR and Anti-spoofing / PhD thesis in Computer Science, University of Lyon. P. 1-10.
2. Фаворская, М.Н., Киба, А.С. (2020) Атаки на системы биометрической идентификации и методы их выявления // Материалы XXIV Международной научно-практической конференции, «Решетневские чтения». Красноярск. Т. 2. №24. С. 481-483.
3. Wang, Z., Zhao, C., Qin, Y., Zhou, Q., Qi, G., Wan, J., Lei, Z. (2019) Exploiting temporal and depth information for multi-frame face anti-spoofing / IEEE Conference on Computer Vision and Pattern Recognition.
CeiajHg « n p o rpaMMubie c pejGT b;-i h HHCpopMaipio HHice tc x h o ho rim»
4. Feng, Y., Wu, F., Shao, X., Wang, Y., Zhou, X. (2017) Joint 3dface reconstruction and dense alignment with position mapregression network / IEEE Conference on Computer Vision and Pattern Recognition.
5. Boulkenafet, Z., Komulainen, J., Li, L., Feng, X., Hadid, A. (2017) OULU-NPU: A mobile face presentation attack database with real-world variations / IEEE International Conference on Automatic Face & Gesture Recognition (FG). Project: Face presentation attack detection on mobile devices.
6. Liu, Y., Jourabloo, A., Liu, X. (2018) Learning deep modelsfor face anti-spoofing: Binary or auxiliary supervision / IEEE Conference on Computer Vision and Pattern Recognition. P. 389-398.
© ^KHMHyK A. A., 2022
