• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

基于差分量化局部二值模式的人脸反欺诈算法研究

束鑫, 唐慧, 杨习贝, 宋晓宁, 吴小俊

束鑫, 唐慧, 杨习贝, 宋晓宁, 吴小俊. 基于差分量化局部二值模式的人脸反欺诈算法研究[J]. 计算机研究与发展, 2020, 57(7): 1508-1521. DOI: 10.7544/issn1000-1239.2020.20190319
引用本文: 束鑫, 唐慧, 杨习贝, 宋晓宁, 吴小俊. 基于差分量化局部二值模式的人脸反欺诈算法研究[J]. 计算机研究与发展, 2020, 57(7): 1508-1521. DOI: 10.7544/issn1000-1239.2020.20190319
shu
Shu Xin, Tang Hui, Yang Xibei, Song Xiaoning, Wu Xiaojun. Research on Face Anti-Spoofing Algorithm Based on DQ_LBP[J]. Journal of Computer Research and Development, 2020, 57(7): 1508-1521. DOI: 10.7544/issn1000-1239.2020.20190319
Citation: Shu Xin, Tang Hui, Yang Xibei, Song Xiaoning, Wu Xiaojun. Research on Face Anti-Spoofing Algorithm Based on DQ_LBP[J]. Journal of Computer Research and Development, 2020, 57(7): 1508-1521. DOI: 10.7544/issn1000-1239.2020.20190319
shu
束鑫, 唐慧, 杨习贝, 宋晓宁, 吴小俊. 基于差分量化局部二值模式的人脸反欺诈算法研究[J]. 计算机研究与发展, 2020, 57(7): 1508-1521. CSTR: 32373.14.issn1000-1239.2020.20190319
引用本文: 束鑫, 唐慧, 杨习贝, 宋晓宁, 吴小俊. 基于差分量化局部二值模式的人脸反欺诈算法研究[J]. 计算机研究与发展, 2020, 57(7): 1508-1521. CSTR: 32373.14.issn1000-1239.2020.20190319
shu
Shu Xin, Tang Hui, Yang Xibei, Song Xiaoning, Wu Xiaojun. Research on Face Anti-Spoofing Algorithm Based on DQ_LBP[J]. Journal of Computer Research and Development, 2020, 57(7): 1508-1521. CSTR: 32373.14.issn1000-1239.2020.20190319
Citation: Shu Xin, Tang Hui, Yang Xibei, Song Xiaoning, Wu Xiaojun. Research on Face Anti-Spoofing Algorithm Based on DQ_LBP[J]. Journal of Computer Research and Development, 2020, 57(7): 1508-1521. CSTR: 32373.14.issn1000-1239.2020.20190319
shu

基于差分量化局部二值模式的人脸反欺诈算法研究

  • 1(江苏科技大学计算机学院 江苏镇江 212003)

  • 2(江南大学物联网工程学院 江苏无锡 214122) (shuxin@just.edu.cn)

基金项目: 国家自然科学基金面上项目(61572242,61672265,61876072,61772244)
详细信息

  • 中图分类号: TP391

Research on Face Anti-Spoofing Algorithm Based on DQ_LBP

  • 1(School of Computer Science, Jiangsu University of Science and Technology, Zhenjiang, Jiangsu 212003)

  • 2(School of IOT Engineering, Jiangnan University, Wuxi, Jiangsu 214122)

Funds: This work was supported by the General Program of the National Natural Science Foundation of China (61572242, 61672265, 61876072, 61772244).

HTML全文

    摘要
  • 摘要: 随着人脸识别技术已经融入到人们日常生活中，人脸欺诈检测作为人脸识别前的一个关键步骤越来越受到重视.针对打印攻击和视频攻击，提出了一种通过量化局部像素之间的差值来细化传统局部二值模式(local binary pattern, LBP)特征的差分量化局部二值模式(difference quantization local binary pattern, DQ_LBP)算法.DQ_LBP能够在不增加LBP维度的基础上提取像素之间的差值信息，以便更精确地描述图像的局部纹理特征.此外，使用空间金字塔算法统计了不同彩色空间中的DQ_LBP特征并将其融合成统一的特征向量，从而更加充分地描述了人脸的局部彩色纹理信息及其空间结构信息，进一步提高了算法的检测性能.实验结果表明：该算法在CASIA FASD,Replay-Attack,Replay-Mobile三个具有挑战性的人脸反欺诈数据库中都取得了较为优异的结果，而且在实时性设备的应用上具有很大的潜能.
    Abstract: As face recognition technology has been integrated into human daily life, face spoofing detection as a key step before face recognition has attracted more and more attention. For print attack and video attack, we propose a difference quantization local binary pattern (DQ_LBP) algorithm for refining the feature of traditional local binary pattern (LBP) by quantifying the difference between the value of central pixel and its neighborhood pixels. DQ_LBP can extract the difference information between the local pixels without increasing the original dimension of LBP, and thus be able to describe the local texture features of images more accurately. In addition, we use the spatial pyramid (SP) algorithm to calculate the histogram of DQ_LBP features in different color spaces and cascade them into a unified feature vector, so as to obtain more elaborate local color texture information and spatial structure information from the face sample, thus, the fraud face detection performance of the algorithm in this paper has been further improved. Extensive experiments are conducted on three challenging face anti-spoofing databases (CASIA FASD, Replay-Attack, and Replay-Mobile) and show that our algorithm has better performance compared with the state of the art. Moreover, it has great potential in the application of real-time devices.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(51)

  • 期刊类型引用(17)

    1. 袁子淇，孙庆赟，周号益，朱祖坤，李建欣. MNDetector：基于多层网络的异常访问检测方法. 计算机研究与发展. 2025(03): 765-778 . 本站查看
    2. 陈佳乐，陈旭，景永俊，王叔洋. 图神经网络在异常检测中的应用综述. 计算机工程与应用. 2024(13): 51-65 . 百度学术
    3. 林馥，李明康，罗学雄，张书豪，张越，王梓桐. 基于异常感知的变分图自编码器的图级异常检测算法. 计算机研究与发展. 2024(08): 1968-1981 . 本站查看
    4. 孔翎超，刘国柱. 离群点检测算法综述. 计算机科学. 2024(08): 20-33 . 百度学术
    5. 王泽鹏 ，马超 ，张壮壮 ，吴黎兵 ，石小川 . 动态决策驱动的工控网络数据要素威胁检测方法. 计算机研究与发展. 2024(10): 2404-2416 . 本站查看
    6. 叶苗，程锦，黄源，蒋秋香，王勇. 面向WSN异常节点检测的融合重构机制与对比学习方法. 通信学报. 2024(09): 153-169 . 百度学术
    7. 王芳. 基于深度学习的网络传输数据异常识别方法. 现代电子技术. 2023(06): 62-66 . 百度学术
    8. 江铃燚，郑艺峰，陈澈，李国和，张文杰. 有监督深度学习的优化方法研究综述. 中国图象图形学报. 2023(04): 963-983 . 百度学术
    9. 富坤，刘赢华，郝玉涵，孙明磊. 基于图模块度聚类的异常检测算法. 计算机应用研究. 2023(06): 1721-1727 . 百度学术
    10. 曹成顺. 基于深度神经网络的输电线路异常自动辨识方法. 信息与电脑(理论版). 2023(15): 165-167 . 百度学术
    11. 冯健，赵宇鹏，刘天. 融合双重自监督信号的图异常检测. 科学技术与工程. 2023(35): 15142-15147 . 百度学术
    12. 王炳泉. 基于SVM的网络流量异常检测算法. 信息与电脑(理论版). 2023(22): 245-247 . 百度学术
    13. 唐立，郝鹏，任沛阁，张祖耀，何翔，张学军. 基于改进孤立森林算法的无人机异常行为检测. 航空学报. 2022(08): 584-593 . 百度学术
    14. 陈益芳，宣羿，樊立波，孙智卿，屠永伟，张亦涵，蔡乾晨. 基于机器学习的电网威胁检测算法模型和大数据平台设计. 电力大数据. 2022(04): 34-41 . 百度学术
    15. 刘华玲，刘雅欣，许珺怡，陈尚辉，乔梁. 图异常检测在金融反欺诈中的应用研究进展. 计算机工程与应用. 2022(22): 41-53 . 百度学术
    16. 李净. 国际视野下治理虚假新闻的技术手段及相关模型. 中国传媒科技. 2021(08): 17-21 . 百度学术
    17. 雷瑜，郑丹，曾繁如，樊志伟，宁黎，邓立. 四川耕地“非粮化”监测中的智能监测方法. 资源与人居环境. 2021(12): 47-51 . 百度学术

    其他类型引用(34)

    • 资源附件(0)
计量
  • 文章访问数: 
  • HTML全文浏览量:  0
  • PDF下载量: 
  • 被引次数: 51
出版历程
  • 发布日期:  2020-06-30

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(51)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计