Reliable Face Morphing Attack Detection in On-The-Fly Border Control Scenario with Variation in Image Resolution and Capture Distance

要約

顔認識システム (FRS) は、直接的および間接的に実行されるさまざまな攻撃に対して脆弱です。
これらの攻撃の中で、フェイス モーフィング攻撃は、自動 FRS および人間のオブザーバーを欺く可能性が高く、特に国境管理のシナリオにおいて深刻なセキュリティ上の脅威を示しています。
この作業は、特にオンザフライ (OTF) 自動国境管理 (ABC) シナリオでの顔モーフィング攻撃の検出を示しています。
6 つの異なる事前トレーニング済みのディープ畳み込みニューラル ネットワーク (CNN) から計算されたディープ フィーチャの球面補間と階層的融合に基づく、新しい差分 MAD (D-MAD) アルゴリズムを紹介します。
自動国境管理 (ABC) ゲートの実際のシナリオを考慮して、公開されている SCFace データセットに基づいて、新しく生成された顔モーフィング データセット (SCFace-Morph) に対して広範な実験が行われます。
実験プロトコルは、さまざまなカメラ解像度とキャプチャ距離に対して、提案された最先端の (SOTA) D-MAD 技術をベンチマークするように設計されています。
得られた結果は、既存の方法と比較して、提案された D-MAD 方法の優れた性能を示しています。

要約(オリジナル)

Face Recognition Systems (FRS) are vulnerable to various attacks performed directly and indirectly. Among these attacks, face morphing attacks are highly potential in deceiving automatic FRS and human observers and indicate a severe security threat, especially in the border control scenario. This work presents a face morphing attack detection, especially in the On-The-Fly (OTF) Automatic Border Control (ABC) scenario. We present a novel Differential-MAD (D-MAD) algorithm based on the spherical interpolation and hierarchical fusion of deep features computed from six different pre-trained deep Convolutional Neural Networks (CNNs). Extensive experiments are carried out on the newly generated face morphing dataset (SCFace-Morph) based on the publicly available SCFace dataset by considering the real-life scenario of Automatic Border Control (ABC) gates. Experimental protocols are designed to benchmark the proposed and state-of-the-art (SOTA) D-MAD techniques for different camera resolutions and capture distances. Obtained results have indicated the superior performance of the proposed D-MAD method compared to the existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google