ComputerEngineeringandApplications计算机工程与应用2023，59（13）人脸自动识别系统具有准确、便捷、非接触的特点，已广泛应用于门禁、安检、金融支付和电子设备终端等场景。但是，随着社交媒体的发展，不法分子可以很轻易地获得合法用户的人脸图像或者视频，以此来欺骗人脸识别系统，造成很大的安全隐患。因此，有必要通过人脸活体检测算法来判别输入图像是来自真实人脸还是攻击者伪造的人脸，从而保障人脸识别系统的安全性。目前的人脸活体检测算法大致可以分为两类：基于手工设计特征的算法和基于深度特征的算法。早期的算法大多从人脸图像中提取手工设计的特征，如局部二值模式（localbinarypatterns，LBP）纹理特征[1-2]、尺度不变特征变换[3]（scale-invariantfeaturetransform，SIFT）、加速稳健特征[4]（speed-uprobustfeature，SURF）和梯度直方图[5]（histogramoforientedgradients，HOG）等，接着结合传统的机器学习分类器实现二分类任务。此外，Li等人[6]认为真实人脸比攻击人脸图像拥有更多的高频分量，因此利用两者在频域中的差异作为真伪照片判别的依据。由于打印照片攻击和视频重放攻击的图像往往是二次翻拍或者多次翻拍真实照片形成的，翻拍过程中结合反射图像的双流多层次融合人脸活体检测王鑫，黄睿上海大学通信与信息工程学院，上海200444摘要：针对从RGB图像提取到的特征对光照敏感，导致人脸活体检测模型泛化性能较差的问题，提出一种结合反射图像的双流多层次融合检测（faceanti-spoofingusingdual-streammulti-levelfusionandreflectionimages，DMF-RI）算法。对RGB图像进行带色彩恢复的多尺度Retinex增强，获得反射图，并分别提取原图和反射图的低、中、高多层次深度特征；通过双流多层次特征融合模块（dualmulti-levelfeaturefusion，DMFF）实现不同层次不同特征的有效融合；联合基于二值掩码的像素级监督和基于二值标签的二分类监督训练网络模型。在CASIA-FASD、Replay-Attack、MSU-MFSD、OULU-NPU和SiW这5个人脸活体检测数据集上的多组实验表明，所提算法通过多层次融合RGB图像和MSRCR图像的深度特征，能提取人脸中更为本质的特征信息，在复杂背景条件下表现出较强的鲁棒性和泛化能力。关键词：人脸活体检测；光照鲁棒性；多层次特征；特征融合文献标志码：A中图分类号：TP391.41doi：10.3778/j.issn.1002-8331.2204-0035FaceAnti-SpoofingUsingDual-StreamMulti-LevelFusionandReflectionImagesWANGXin,HUANGRuiSch...
