应用并联卷积神经网络的人脸防欺骗方法

摘要

针对人脸活体检测中人工提取的纹理特征不全面的问题,本文首次提出基于并联卷积神经网络（Parallel convolutional neural netw ork,P-CNN）和极限学习机（Extreme learning machine,ELM）的人脸防欺骗方法.算法采用SM QT-SNOW人脸检测器定位人脸,并加入人脸对齐算法优化人脸框,得到精准的人脸图像;并将人脸的灰度图和局部定向模式分别作为两个不同结构的网络的输入;然后采用主成分分析对每个网络的全连接层的输出分别降维后级联;最后将级联的特征向量送入ELM判定人脸的合法性.在NUAA和REPLAY-ATTACK数据库上实验,最高准确率分别为99.96%和99.98%,最高受试者工作特征曲线下方面积（AUC）均为1.实验结果表明算法相比其他方法,其特征维数小,准确率高以及应对不同介质攻击的泛化能力强.