Resumen

Para los sistemas de reconocimiento facial, la detección de vida puede evitar de manera efectiva el fraude ilegal y mejorar la seguridad de los sistemas de reconocimiento facial. Los ataques comunes a los rostros incluyen ataques de impresión de fotos y de reproducción de videos. En este artículo se estudiaron las diferencias entre fotos, videos y rostros reales en cuanto a textura estática e información de movimiento, y se propuso una estructura de detección de vida basada en la fusión de características y un mecanismo de atención, Red de Atención de Fusión Dinámica y Textura (DTFA-Net). Se propuso una estructura de fusión de información dinámica de un bloque de atención intercanal para fusionar la magnitud y dirección del flujo óptico y extraer características de movimiento facial. Además, para la falla en la detección de rostros del algoritmo HOG bajo iluminación compleja, se propuso un algoritmo de preprocesamiento de imagen Gamma mejorado, que mejoró efectivamente la capacidad de detección de rostros. Se realizaron experimentos en las

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Sistemas de reconocimiento facial; Detección de vida; Prevención de fraudes; Ataques de impresión de fotos; Ataques de reproducción de video; Red de Atención de Fusión Dinámica y Textura
• Keywords:Face recognition systems; Liveness detection; Fraud prevention; Photo printing attacks; Video replay attacks; Dynamic and Texture Fusion Attention Network