3D Face Morphing Attacks: Generation, Vulnerability and Detection

要約

顔認識システム(FRS)は、モーフィング攻撃に対して脆弱であることがわかっています。モーフィングされた顔画像は、寄与データ主体からの顔画像をブレンドすることによって生成されます。
この作品は、3Dで顔のモーフィング攻撃を生成するための新しい方向性を示しています。
この点で、寄与データの主題に対応する3D顔点群のブレンドに基づく新しいアプローチを導入しました。
提案された方法は、入力された3D顔点群を深度マップ\&2Dカラー画像に投影し、続いてカラー画像と深度マップに対して独立して実行される画像のブレンドおよびラッピング操作によって3D顔モーフィングを生成します。
次に、正規の(固定)ビューを使用して、2Dモーフィングカラーマップと深度マップをポイントクラウドに逆投影します。
生成された3D顔モーフィングモデルは、単一の標準ビューによる穴をもたらすことを考慮して、高品質の3D顔モーフィングモデルをもたらす穴埋めの新しいアルゴリズムを提案しました。
41の一意のデータ主体に対応する675の3Dスキャンで構成される新しく生成された3D顔データセットに対して、広範な実験が実行されます。
自動2Dおよび3DFRSと人間のオブザーバー分析の脆弱性をベンチマークするために実験が行われます。
また、8つの異なる品質メトリックを使用して、生成された3D顔モーフィングモデルの品質の定量的評価を示します。
最後に、3D MADアルゴリズムのパフォーマンスをベンチマークするために、3つの異なる3D顔モーフィング攻撃検出(3D-MAD)アルゴリズムを提案しました。

要約(オリジナル)

Face Recognition systems (FRS) have been found vulnerable to morphing attacks, where the morphed face image is generated by blending the face images from contributory data subjects. This work presents a novel direction towards generating face morphing attacks in 3D. To this extent, we have introduced a novel approach based on blending the 3D face point clouds corresponding to the contributory data subjects. The proposed method will generate the 3D face morphing by projecting the input 3D face point clouds to depth-maps \& 2D color images followed by the image blending and wrapping operations performed independently on the color images and depth maps. We then back-project the 2D morphing color-map and the depth-map to the point cloud using the canonical (fixed) view. Given that the generated 3D face morphing models will result in the holes due to a single canonical view, we have proposed a new algorithm for hole filling that will result in a high-quality 3D face morphing model. Extensive experiments are carried out on the newly generated 3D face dataset comprised of 675 3D scans corresponding to 41 unique data subjects. Experiments are performed to benchmark the vulnerability of automatic 2D and 3D FRS and human observer analysis. We also present the quantitative assessment of the quality of the generated 3D face morphing models using eight different quality metrics. Finally, we have proposed three different 3D face Morphing Attack Detection (3D-MAD) algorithms to benchmark the performance of the 3D MAD algorithms.

arxiv情報

著者 Jag Mohan Singh,Raghavendra Ramachandra
発行日 2022-06-22 15:18:48+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV パーマリンク