| gzwjgx2024 | 2026-01-28 17:26 |
高光谱相机真假人脸识别应用人脸识别是一种生物特征身份认证方法。尽管人脸识别系统相比传统密码安全性更好，但是仍然可能被打印的照片或者面具所欺骗。为了应对这些攻击，研究人员开发了诸如需要3D信息、视频信息和利用算法在RGB图像中进行异常检测等手段。然而，随着3D打印和仿生硅胶技术的发展，一些3D伪装面具已经可以逼真到欺骗人眼。这些3D面具为当今的人脸识别系统带来了巨大的挑战。此外，当前基于RGB、RGBD或NIR图像的人脸反欺诈算法通常在数据集间评估时表现不佳。这种域适应问题导致人脸反欺诈系统在实际部署时的性能不可预测。除了这些常用的传感器外，短波红外成像、热成像相机、光场相机、偏振相机等先进手段也被用于人脸反欺诈系统，以期提高真脸和假脸的识别能力，但是这些传感器昂贵、庞大或者不便于使用。因此，它们很少被集成到真实世界的人脸识别系统里。 光谱分析是一种区分不同材料的有效手段。由于人类血液中血红蛋白的吸收，人类皮肤的反射光谱在545nm和575nm处各有一个极小值，这个特性很难用面具模仿。基于高光谱成像的人脸反欺诈系统要比基于RGB相机的系统更有效可靠。但是传统的高光谱相机依赖光栅和机械扫描系统，因此存在成本高、体积大、单帧高光谱图像采集时间长的问题。在实际场景中，仍然不适用这样的高光谱系统。近年来，片上光程成像传感器技术迅猛发展。使用硅超表面和计算成像技术，可以实现片上快照高光谱传感器。它能以视频帧率采集高光谱图像，使得高光谱传感器进入日常生活场景成为可能。 文章创新点： 基于此，清华大学的Shijie Rao(一作)和Yali Li(通讯)等人提出一种基于超表面的快照高光谱图像传感器，用于人脸反欺诈识别系统。它在实际场景中使用光谱分析可以有效检测到几乎所有的欺骗攻击，并且对未知种类的攻击也有效。作者提出的系统在成本、体积和成像速度(50ms可采集一张高光谱图像)上都很具优势。 原理解析： 超表面结构集成在CMOS图像传感器表面，超表面对入射光进行调制，CMOS图像传感器收集被调制的光强。利用频谱重建算法，获得高光谱图像。传感器输出的原始图像作为人脸检测和识别的输入，随后使用脸部的关键点数据重建出频谱，通过分析频谱信息完成人脸反欺诈分析，系统流程图见图1。  图1 (1)高光谱成像传感器。如图2，高光谱成像传感器包含4万余个显微分光计(microspectrometer)，每个显微分光计包含N个不同的超表面单元，不同超表面单元的透射响应被设计成具有最小相关性。入射光的频谱求解看作为一个压缩感知问题，用凸优化方法求解。  图2 (2)人脸反欺诈系统分类器。分类器原理示意如图3，对于每一个输入，选择32个关键点的频谱信息。通过采用Transformer编码器的自注意力机制，分别分析每个频谱样本的特征，同时还考虑32个样本的互相关。最后，Transformer编码器将输出向量发送到多层感知机，得到最终的人脸反欺诈分析结果。  图3 实验结果： 真实人脸(上排)和屏幕显示人脸(下排)分别由RGB相机采集(第1列)，作者提出的传感器采集的原图(第二列)，重建出的高光谱图像(第三列),人脸反欺诈系统像素级检测结果，亮黄色像素表示检测到真实皮肤(第四列)。  真实场景人脸反欺诈识别结果。日光下真实人脸结果(a);日光下硅胶面具结果(b)；屏幕显示人脸结果(c)；LED灯光下高质量3D树脂面具结果(d)；日光下纸面具结果(e)；LED灯光下真实人脸结果(f)。  参考文献：Shijie Rao, Yidong Huang, Kaiyu Cui, and Yali Li, "Anti-spoofing face recognition using a metasurface-based snapshot hyperspectral image sensor," Optica 9, 1253-1259 (2022)
我司WJ系列高光谱相机，针对使用假头套、头模等工具非法通过人脸安防设备的情况，采用光谱相机对人脸表面材料进行区分，能够实现对真假人脸的分类识别。如想了解更多，欢迎＋威：threephy  |
|