روش غیرمداخله کننده و مقاوم در مقابل پوشش جهت کشف جعل در شناسایی چهره بر اساس یادگیری عمیق

در بکارگیری سیستم های شناسایی چهره روش های مختلف تقلب نظیر استفاده از ماسک پوششی و بکارگیری عکس شخص معتبر دو مشکل اساسی هستند که کاربردهای آن ها را محدود می کنند. براساس بررسی های انجام شده روش-هایی برای تشخیص تقلب در شناسایی چهره معرفی شده اند که بعضا مداخله کننده هستند، یعنی شخص را وادار به انجام حرکتی می کنند تا بتوانند چهره واقعی را از تقلبی تمییز دهند. استفاده از روش های مداخله کننده اغلب نارضایتی کاربران را به همراه دارد. در این مقاله با ارایه روشی غیرمداخله کننده و براساس ویژگی هایی مانند انعکاس نور یا وجود نویز متناوب اقدام به شناسایی تصاویر واقعی از تقلبی می کنیم. در این روش ابتدا با بهره گیری از الگوی دودویی محلی لبه ها و بافت تصویر برجسته می شوند. سپس جهت طبقه بندی تصاویر واقعی و غیرواقعی، ویژگی های تصویر توسط مدل یادگیری عمیق متشکل از سه لایه پیچش استخراج می شوند. نتایج نشان دهنده مقاومت روش پیشنهادی در برابر پوشش چشم است. به منظور ارزیابی روش پیشنهادی مجموعه داده CASIA در این تحقیق مورد استفاده قرار گرفته است. نتایج حاکی از دقت 98 درصدی روش پیشنهادی در این مجموعه داده است که در مقایسه با روش های موجود دقت بالاتری دارد.