来源：期刊VIP网 时间：
作者：王彤;张高原;丁邦杰;杨金柱;张立立;
单位：东北大学计算机科学与工程学院国家级计算机实验教学示范中心;
摘要：生物特征识别技术越来越多地应用于身份认证，随之不断出现伪造合法用户信息的欺骗手段，人脸识别系统容易受到欺骗攻击，严重威胁了系统的安全性。为了提高生物特征识别系统的安全性，文中提出一种基于深度学习和联合特征提取的人脸活体检测及决策融合攻击类型检测算法。基于改进的AlexNet模型，有效降低了训练过程中的过拟合等问题，显著降低了模型训练时间；采取手工特征和深度学习相结合的模式判断非活体攻击类型，手工特征提取采取LBP结合多层DCT变换的联合特征提取，深度学习特征采取四层CNN网络的全局图像特征提取；在攻击类型判别上，提取待测样本的局部和全局特征进行初步判定，再通过决策融合将两个SVM分类器的输出结果以加权方式进行整合。算法在公开的CASIA数据集和NUAA数据集上进行验证，实验结果表明，融合不用的信息可以获得更高的准确率，降低了计算的复杂度，提高了算法的效率。
关键词：深度学习;;联合特征提取;;人脸活体检测;;AlexNet;;LBP;;DCT
基金资助：国家自然科学基金资助项目（62072085）;; 国家重点研发计划课题项目（2018YFB1702003）
