Integration of image quality and motion cues for face anti-spoofing A neural network approach
Integration of image quality and motion cues for face anti-spoofing A neural network approach
标签: 论文
spoofing
论文出处:1047-3203/ 2016 Elsevier Inc. All rights reserved.
本文提出的方法
本文是基于多种特征融合起来的方法,在空间维度上使用SBIQF,并且通过实验说明在对于图片质量评比上要优于LBP,在时间维度使用了光流特征,并且使用了平均光流,在光流方面使用了面部光流和带背景的光流。最终的架构如下:
在技术上的点主要是如何提取SBIQF以及光流,这些之前都有人在做相关工作,对于SBIQF可以参考[12]对于光流可以参考[10,11]。在知道了如何计算这些特征之后就是如何处理数据集并且从数据中拿到这些特征。
本文先把所有视频数据规整成60帧/video,然后从前30帧里面隔5帧取一帧,这样能得到6帧,通过这6帧能得到一个SBIQF和5个面部光流和5个背景光流,然后分别把5个背景光流和5个面部光流取平均,所以得到了3帧特征(一个SBIQF,一个面部平均,一个背景平均),因为是30帧每隔5帧,所以能得到5组,所以一个60帧视频得到10组。然后对于一个视频则把得分平均即可。
而关于光流可用性,以及光流分为背景光流和面部光流可以在下面图片得到解释:
对于最后多特征融合来说,文章给出了三种方案,第一是特征层面融合即直接把三类特征连接到一起即可,第二是分数层面即把得分喂入一个LR进行学习,第三个是使用中间层特征也就是bootle-neck特征。最终结果是第三种产生了更好的效果,但是第三种我并不是很理解,尤其是文中使用了自编码。
收获
1、多个特征融合
参考文献重点摘录可作为以后读
SBIQF
[12] G. Easley, D. Labate, W.Q. Lim, Sparse directional image representations using
the discrete shearlet transform, Appl. Comput. Harmon. Anal. 25 (1) (2008)
25–46.
光流
[10] J. Maatta, A. Hadid, M. Pietikainen, Face spoofifing detection from single images using micro-texture analysis, in: Proc. International Joint Conference on Biometrics, Washington DC, USA, 2011, pp. 1–7.
[11] S. Bharadwaj, T.I. Dhamecha, M. Vatsa, R. Singh, Computationally effificient face spoofifing detection with motion magnifification, in: Proc. IEEE Conference on
Computer Vision and Pattern Recognition, Portland, USA, 2013, pp. 105–110.
Integration of image quality and motion cues for face anti-spoofing A neural network approach相关推荐
- DMC-Net: Generating Discriminative Motion Cues for Fast Compressed Video Action Recognition 论文赏析
DMC-Net: Generating Discriminative Motion Cues for Fast Compressed Video Action Recognition 论文赏析 前言 ...
- Developing a new mesh quality evaluation method based on convolutional neural network——方向1笔记
方向一:网格质量的评估 基于卷积神经网络的网格质量评价方法研究(Developing a new mesh quality evaluation method based on convolution ...
- 视频质量评价 Zoom-VQA Patches, Frames and Clips Integration for Video Quality Assessment
来自快手 CVPR 2023 workshop的文章,聚焦于视频质量评价. 一.Motivation & 创新点: 视频质量感知会收到低级别特征(纹理.颜色)和高级别特征(语义)的多层级影响, ...
- 活体检测综述 Deep Learning for Face Anti-Spoofing: A Survey 阅读记录
论文链接:Deep Learning for Face Anti-Spoofing: A Survey | IEEE Journals & Magazine | IEEE Xplore 代码链 ...
- 论文中英对照翻译--(Fusing Multiple Deep Features for Face Anti-spoofing)
[开始时间]2018.10.22 [完成时间]2018.10.22 [论文翻译]论文中英对照翻译--(Fusing Multiple Deep Features for Face Anti-spoof ...
- Face Anti-Spoofing FAS 综述
Presentation Attacks(PA) 在AntiSpoofing Wiki中对PA进行了详细的划分,总的分为:恶意(下面重点记录)与非恶意. 恶意的PA中分为两类:基于合成的PA和基于人类 ...
- Quality Assessment Paper List(研二)
从2018年5月到2019年5月,大概一年(研二)的时间里学习的有关quality assessment的论文.(共128篇) <PS:红色标注为经典论文> 相关代码可以在以下百度云盘链接 ...
- AAAI-19录用论文清单
AAAI-19于1月27日在夏威夷召开,今年是33届会议. 会议录用论文清单, workshop16个,tutorials24个. 标题的词云分析: 作者单位词云(按作者人数计算/一篇文章可能有多个作 ...
- Autonomous Driving in Adverse Weather Conditions: A Survey - 恶劣天气条件下的自动驾驶:一项调查 (arXiv 2021)
Autonomous Driving in Adverse Weather Conditions: A Survey - 恶劣天气条件下的自动驾驶:一项调查(arXiv 2021) 摘要 1. 引言 ...
最新文章
- 虚拟化如何做实?详解戴尔2.0版解决方案
- matlab神经网络的简单程序设计,BP神经网络设计的matlab简单实现
- cmd命令启动mysql服务
- Tomcat设置Http自动跳转Https
- 一道有意思的导论问题
- 如何通过Git GUI将自己本地的项目上传至Github
- 设置maven 参数调休_IDEA 使用 Maven构建Spark项目
- signature=12e3283d637b587235bcb4cbbfa1a5b3,A pathogen-inducible endogenous siRNA in plant immunity
- 【Tomcat】Tomcat下设置项目为默认项目
- 拆解百度自动驾驶最新动作:Apollo企业版和Apollo 3.5里的生意经和新风向 | CES 2019...
- 调用接口获得地区,再根据地区判断对应编号
- 产品经理面试必备常见问题及解析
- 加拿大 生物工程计算机最好的学校,加拿大哪些大学有生物工程本科专业?这五大院校是理科与工科的完美结合!...
- 云计算笔记之admin-day-05-管理用户和组、tar备份与恢复、NTP时间同步、cron计划任务、总结和答疑
- 《黑客秘笈——渗透测试实用指南(第2版)》—第1章1.5节构建渗透测试环境...
- 核心单词Word List 7
- 一元二次方程求根计算机的代码,一元二次方程求根Java源程序代码.doc
- flask----后续
- Flutter仿网易云音乐 ---基础准备
- Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks(MAML)简析