多场景下基于特征融合的人脸活体检测方法研究.pdf

摘要

摘要

人脸识别技术因其精确且非接触的优点被广泛应用于社会中的各种场所。但其在给

日常生活带来便利的同时，也带来了一些安全问题。相比于其他生物特征如指纹和虹膜

等，人脸的图片和视频更易获取，隐私性较差。不法分子可通过获取他人的人脸信息结

合各类活体攻击方式来骗过识别系统。不仅严重干扰了系统的正常运行，更是损害了用

户的实际利益和隐私。因此，验证人脸信息是否真实可靠是人脸识别技术可行的必要前

提，而人脸活体检测技术则为人脸识别系统的真正落地提供了可靠的安全屏障。

当前，人脸活体检测技术发展迅速，但仍然存在一些不足亟待解决：人脸活体检测

模型容易受到复杂多样的背景干扰，注意力偏离人脸而集中于背景部分，间接导致无法

进行有效的活体检测工作；模型难以获取高质量人脸特征，不同设备采集的人脸图像受

多种因素影响，相同人脸的表征结果可能存有差异，增加了模型提取人脸特征的难度；

攻击方式层出不穷，但用于训练的数据是有限的，活体检测模型难以应对各类新型攻击，

面临的挑战日益严峻。针对这些问题，本文分析现有算法在鲁棒性和泛化性方面的不足

之处，提出三种改进方法并通过实验验证其有效性。具体内容包括：

（1）为了避免模型容易受到复杂多样的背景干扰，提出了一种基于面部纹理和前/

背景差异分析的人脸反欺诈双流双任务模型。采用基于ConvNeXt的面部纹理分析模块

为检测模型提供有效的面部信息；构建前/背景差异分析模块，使样本纹理特征更为丰富；

为了有机结合双流特征的优势，设计了一种注意力特征融合模块，以保障模型在不同环

境下的高精确性，促使模型的综合性能更突出。

（2）为协助模型获取高质量人脸特征，提出一种融合拓扑图结构高响应特征的双

流人脸活体检测方法。构建了拓扑图结构特征提取骨干网络，协助模型提取长距离依赖

辅助信息。设计了特征对齐策略来抑制图结构特征中冗余信息，以提高图结构信息与原

主干特征的高响应性。此外，为精炼所提取的样本特征，建立用于融合双流特征的群感

受野复合模块，有效提升模型的检测性能。

（3）为提高模型应对未知场景和攻击方式的能力，提出一种基于视觉注意力和域

特征融合的双流人脸活体检测模型，将域泛化技术应用于人脸活体检测任务。提出基于

视觉注意力的特征提取模块，增强模型对内容特征的捕获能力，并采用对抗学习的方式，

使模型不侧重对样本进行数据域层面的区分，降低了模型对域间特征差异的敏感性。此

外，提出了一种新型对比损失策略，规避训练易振荡的问题，进一步提升模型的鲁棒性。

综上所述，本文针对现有方法在鲁棒性和泛化性方面的不足，从特征提取基本组件、

骨干网络和监督学习方式三个方面开展进一步的研究，提出了三种改进方法。本文方法

在四个数据集CASIA-FASD、Replay-Attack、MSU-MFSD和OULU-NPU上进行分析

验证，结合多种评价指标对所提方法进行评估。实验结果表明，本文所提的各个方法较

同类先进算法具有十分明显的优势，对人脸活体检测算法的实践和推广具有重要意义。

关键词：人脸活体检测；深度学习；特征融合；拓扑图结构特征；域泛化

Abstract

Abstract

Facerecognitionhasbecomeapopulartechnologyforvariousapplicationsduetoits

accuracyandnon-contact.However,thistechnologyalsobringssomesecurityconcerns.Face

imagesandvideosaremorereadilyaccessibleandlessprivatecomparedtootherbiometric

featureslikefingerprintsandirisscans,makingthemvulnerabletounauthorizedaccess.

Maliciousactorscanac