摘要
在典型的面部识别流程中，人脸检测器的任务是定位人脸区域。然而，传统的人脸检测器仅根据外观特征定位看起来像人脸的区域，而无法判断该人脸是否为活体，这使得整个系统容易受到呈现攻击（presentation attacks）的威胁。本文旨在重新定义人脸检测任务，使其能够识别真实的人脸，从而从根本上消除呈现攻击的风险。尽管仅依靠可见光谱图像完成这一任务具有较大挑战性，但我们利用现成设备（如智能手机或摄像头）所提供的多通道信息（如彩色图像、深度图和红外图像），设计了一种多通道人脸检测器。所提出的系统可直接作为活体检测模块使用，无需额外配备独立的呈现攻击检测组件，既提升了系统在实际应用中的可靠性，又不增加任何额外的计算开销。其核心思想是采用单阶段目标检测框架，并融合来自不同通道的联合表征，用于完成活体检测（Presentation Attack Detection, PAD）任务。我们在包含多种攻击类型的大规模多通道WMCA数据集上对所提方法进行了评估，结果验证了该框架在应对复杂呈现攻击场景下的有效性与鲁棒性。