黄 灵 何希平,2 贺 丹 杨楚天 旷奇弦

1(重庆工商大学人工智能学院 重庆 400067) 2(检测控制集成系统重庆市工程实验室(重庆工商大学) 重庆 400067)

人脸欺骗检测也称为人脸反欺骗(face anti-spoofing, FAS)[1-3]技术,需要针对同一张人脸图像准确识别其是真实人脸还是被攻击过的伪造人脸(如打印照片、视频重放、3D面具等).FAS在提取图像特征时更关注图像的全局细节信息是否符合人脸的自然属性,其中蕴含的细节变化是应该重点获取的特征信息.因此,在保持全局和局部特征提取能力的前提下实现参数量和准确度的平衡至关重要.

基于CNN的方法在人脸欺骗检测领域因其较强的局部感知能力而比较适合应用在端设备的视觉任务中,这类方法已经取得了很好的进展:2020年,Parkin等人[4]从RGB视频创建人工模式,使用包含较少身份和细粒度特征的中间表征提高模型对未知攻击以及未知种族的鲁棒性;2021年,George等人[5]提出一个新的跨模态的焦点损失函数,将RGBD通道与该损失函数结合从而调节不同通道的置信度;2022年,Yu等人[6]针对现有单模态和多模态FAS方法可能存在冗余和低效问题,训练了一个可以在各种模态场景下灵活部署的统一模型;同年,文献[7]通过多种模态信息互补逐步过滤欺骗样本.尽管基于CNN的这些模型都实现了很好的性能,但由于在提取图像特征时只能局部感知,无法实现全局特征的相关性交互,有一定的局限性.

视觉Transformer(visual transformer, ViT)[8]近2年在视觉领域十分火热,但是其在人脸欺骗检测上……