摘要
尽管取得了一些进展，手工设计的纹理特征（如LBP [23]、LBP-TOP [11]）仍然无法捕捉到真实人脸与假脸之间的最具区分性的线索。在本文中，我们没有自行设计特征，而是依赖于深度卷积神经网络（CNN）以监督的方式学习具有高区分能力的特征。结合一些数据预处理方法，人脸防欺骗性能得到了显著提升。实验结果表明，在两个具有挑战性的数据集CASIA [36]和REPLAY-ATTACK [7]上，相对于现有最佳方法，半总体错误率（HTER）相对降低了超过70%。同时，两个数据集之间的交叉测试实验结果表明，CNN能够获得泛化能力更强的特征。此外，使用来自两个数据集的组合数据训练的网络在两个数据集之间表现出较少的偏差。