基于深度學(xué)習(xí)和聯(lián)合特征提取的人臉活體檢測(cè)及決策融合攻擊類型檢測(cè)算法

打開文本圖片集

摘  要： 生物特征識(shí)別技術(shù)越來(lái)越多地應(yīng)用于身份認(rèn)證，隨之不斷出現(xiàn)偽造合法用戶信息的欺騙手段，人臉識(shí)別系統(tǒng)容易受到欺騙攻擊，嚴(yán)重威脅了系統(tǒng)的安全性。為了提高生物特征識(shí)別系統(tǒng)的安全性，文中提出一種基于深度學(xué)習(xí)和聯(lián)合特征提取的人臉活體檢測(cè)及決策融合攻擊類型檢測(cè)算法?；诟倪M(jìn)的AlexNet模型，有效降低了訓(xùn)練過(guò)程中的過(guò)擬合等問(wèn)題，顯著降低了模型訓(xùn)練時(shí)間；采取手工特征和深度學(xué)習(xí)相結(jié)合的模式判斷非活體攻擊類型，手工特征提取采取LBP結(jié)合多層DCT變換的聯(lián)合特征提取，深度學(xué)習(xí)特征采取四層CNN網(wǎng)絡(luò)的全局圖像特征提??；在攻擊類型判別上，提取待測(cè)樣本的局部和全局特征進(jìn)行初步判定，再通過(guò)決策融合將兩個(gè)SVM分類器的輸出結(jié)果以加權(quán)方式進(jìn)行整合。（剩余16537字）