摘 要

随着计算机视觉与人工智能技术的快速发展，人脸识别技术已广泛应用于安防、刑侦与金融等领域。然而，人脸识别系统极易被照片、视频或3D模型等方法进行欺骗攻击，这对人脸识别技术的广泛应用造成巨大威胁。因此亟需一种反欺骗人脸检测技术来区分出真实人脸与复制人脸，防止非法分子利用人脸图片、视频或3D模型欺骗人脸识别系统。本文研究采用动态模式分解（Dynamic Mode Decomposition，DMD），提取单摄像头拍摄的人脸视频特征，实现具有良好用户体验、使用便捷和无需额外设备的反欺骗人脸识别技术。本文的主要研究内容如下：

1. 对比分析了真实人脸与复制人脸的主要区别，研究了现有反欺骗人脸识别技术，

重点研究基于数据驱动和用户行为的、仅使用单摄像头无辅助设备的反欺骗式人脸识别技术，并对比分析了各方法的优缺点。

2） 详细研究了基于数据驱动的DMD和支持向量机（Support Vector Machine，SVM）的反欺骗人脸识别技术在不同模式选择、不同视频帧数、固定和手持照片以及背景是否受控条件下的复制人脸检测效果：不同的动态模式捕获到的动态信息有差异；视频帧数的增加会使得动态模式分解捕获到更多的信息，识别率更高；识别耗时会随着帧数的增加而增长；固定照片来取得的视频帧由于没有任何动态，比手持照片来模拟动态取得的视频帧更容易识别；在背景不受控的场景下拍摄的视频相比背景一致下拍摄的视频更容易识别。

3） 通过研究人脸识别算法中的图像预处理，人脸检测，特征定位，人脸归一化，特征提取和特征识别等关键技术，实现了基于Android平台的人脸签到系统。最后集成基于DMD SVM的反欺骗人脸检测技术于该系统中，实现了基于Android平台的反欺骗人脸签到系统。

本文主要研究了基于DMD SVM的反欺骗人脸识别技术，在满足用户良好体验、无需用户与系统交互以及任何附加设备下，实现了基于单摄像头的反欺骗人脸签到系统。

关键词：反欺骗，人脸检测，人脸识别，Android，DMD，SVM

Abstract

With the rapid development of computer vision and artificial intelligence technology, face recognition technology has been widely used in security, criminal investigation and financial fields. However, the face recognition system is very easy to be deceived by the method of photo, video or 3D model, which is a great threat to the wide application of face-recognition technology. Therefore, it is urgent to realize the technology of anti-deception face detection to distinguish the real human face from the fake face, and to prevent the illegal use of fake face to deceive the face recognition system. In this paper, we study the Dynamic Mode Decomposition (DMD), extract face feature base single camera video, and implement the anti-spoofing recognition technology with a good user experience, convenient use and no need of extra equipment. The main research contents of this paper are as follows:

1) The main differences between the real face and the duplicate face are analyzed, and the existing anti deceptive face recognition technology is studied, the face recognition technology based on data driven and user behavior, using single camera and no auxiliary equipment such as infrared sensor is studied, and the characteristics and advantages and disadvantages of each method are analyzed.

2) This paper studies in detail the effect of anti-deceptive face recognition technology on the duplicated face, which is based on data driven DMD and Support Vector Machine (SVM), under the different mode selection, different video frames, fixed and handheld pictures and whether the background is controlled: There is a difference between the different dynamic model to capture the dynamic information; video frames increase the dynamic mode decomposition to capture more information and higher recognition rate; identification of time-consuming will increase with the increase in the number of frames; fixed pictures to get the video frame due to the absence of any dynamic, hand-held photographs to simulate the dynamic video frame is easier to identify than; taken under uncontrolled background scene video compared to background shooting video easier to identify.

3) Through the research of face recognition: image preprocessing, face detection, feature location, face normalization, feature extraction and feature recognition and other processes, the face registration system based on Android platform is realized. Finally integrated based on anti-spoofing face detection technology DMD SVM in face attendance system, the realization of the anti-spoofing face signing system based on Android platform. However, considering the anti-spoofing recognition speed is slow, this piece not yet enabled.

This paper mainly studies the anti-spoofing face recognition technology, which is based on DMD SVM. And, to meet the user a good experience, without requiring the user to interact with the system and any additional equipment, we realizes the anti-photo cheat face attendance system based on single camera.

Key Words: anti-spoofing， face detection， face recognition， Android， DMD, SVM

目录

摘 要 I

Abstract II

第1章 绪论 6

1.1 研究背景及意义 6

1.1.1 反欺骗人脸识别研究背景 6

1.1.2 基于单摄像头的反欺骗人脸签到系统的研究意义 6

1.2 反欺骗人脸识别技术研究现状 7

1.3 反欺骗人脸识别研究难点 9

1.4 本文主要研究内容 10

1.5 本文结构安排 10

第2章 基于动态模式分解和支持向量机的反欺骗人脸识别 12

2.1 动态模式分解 12

2.1.1 动态模式分解历史 12

2.1.2 动态模式分解应用于反欺骗人脸识别 13

2.1.3 动态模式分解算法 14

2.2 动态模式分解与现有反欺骗人脸识别算法对比 16

2.3 本章小结 17

第3章 基于动态模式分解和支持向量机的方法在PRINT-ATTACK上的识别分析 19

3.1 PRINT-ATTACK 19

3.2 动态模式分解在各种影响因素下的识别分析 20

3.2.1 不同动态模式下的识别结果及分析 20

3.2.2 不同视频帧数下的识别结果及分析 21

3.2.3 固定照片和手持照片下的识别结果与分析 22

3.2.4 背景受控与不受控下的识别结果与分析 23

3.3 本章小结 24

第4章 基于单摄像头的反欺骗人脸签到系统 25

4.1 系统整体概述 25

4.2 SQLite数据库设计 26

4.3 详细功能设计 28

4.3.1 签到功能 28

4.3.2 管理员功能 29

4.4 本章小结 35

第5章 总结与展望 36

5.1 本文工作总结 36

5.2 下一步工作展望 36

参考文献 38

致 谢 40

第1章 绪论

1.1 研究背景及意义

1.1.1 反欺骗人脸识别研究背景

基于生物识别的个人身份验证利用了人的固有特征，如人脸、声音、虹膜、指纹和步态等保证了可信赖的身份验证,近年来持续受到关注。然而，当前不断的事实却证明这样的生物识别系统存在着很大的安全隐患，即一个生物识别系统很容易被一个具有有效用户生物特征数据的副本所欺骗^[1]。例如，用橡胶制作的指纹套、实现录制的语音等等。iPhone5s首次推出Touch ID指纹验证的时候，就有安全专家质疑过其安全性，并且成功用假指纹通过Touch ID解锁iPhone。2014年河南省高考发生的替考事件中，枪手们就利用了伪造的指纹膜顺利入场。在所有的生物特征中，尤其是对于已经被大量实际应用的系统，如安全监管、访问权限控制、犯罪处理、执法等的人脸识别技术，这样的欺骗攻击非常容易实现。另一方面，随着现今社交媒体的广泛使用，大量的用户把自己的照片上传到互联网上^[2]。不法分子可以直接从媒体上获取这样的照片，从而使用复制的人脸图片对人脸识别系统进行攻击，以此来非法获取进入某些重要系统的权限。

因此，亟需一种能区分出真实人脸与复制人脸的反欺骗人脸识别技术，来增强人脸识别系统的安全性，抵抗对人脸识别系统的恶意攻击。

1.1.2 基于单摄像头的反欺骗人脸签到系统的研究意义

人脸识别系统的研究始于20世纪60年代^[3]，随着计算机技术和光学成像技术的发展在80年代后期得到提高，而在90年后期真正进入初级的应用，其研究历史贯穿了半个世纪之久。然而，关于反欺骗人脸识别的研究却在几年才开始兴起。反欺骗人脸识别技术，即防止非法分子利用不真实的生物特征数据来欺骗一个基于人脸的生物识别系统。根据William Robson Schwartz的观点^[1]，当前国内外现存的应对反欺骗人脸识别的措施主要分为四个种类：1）数据驱动特征，比如利用傅里叶分析收集面部的高频特征来区分活人脸和欺骗人脸，或者利用面部的纹理特征；2）对用户行为建模，即利用镜头前用户的表现，如眨眼、头部运动、唇动等；3）用户与系统间的交互要求，比如要求用户在一个给定的动作序列里，做出眨眼、微笑等行为；4）使用附加设备，比如使用3D摄像头或者多个2D摄像头，红外或者热图像技术。上诉的这些措施都在面对欺骗攻击时展示出了自己的特征和优势。然而在考虑到用户体验、使用的便捷程度以及设备获取的难易等多方面性能上，这些反欺骗人脸识别措施也有了优劣之分。对于任何应用，人们都更偏好于那些不会浪费自己更多精力、操作简单、无侵入性（不会侵犯个人隐私）^[4]、设备简洁但同时能满足目标功能的应用。