AuthNet：一种基于深度学习的利用时间面部特征运动的身份验证机制

基于机器学习和深度学习的生物识别系统在资源受限的环境中，如智能手机和其他小型计算设备中被广泛用作身份验证机制。近年来，这些由人工智能驱动的面部识别机制因其透明、非接触和无创的特点而受到极大的欢迎。尽管它们在很大程度上是有效的，但仍有方法可以通过使用照片、面具、眼镜等手段获得未经授权的访问。本文提出了一种替代的身份验证机制，该机制不仅利用面部识别，还结合了特定人脸在说出密码时的独特运动特征，即时间面部特征运动（temporal facial feature movements）。所提出的模型不受语言障碍的影响，因为用户可以设置任何语言的密码。在标准MIRACL-VC1数据集上的评估结果显示，该模型达到了98.1%的准确率，突显了其作为有效且稳健系统的潜力。此外，该方法还具有数据高效性，即使仅使用10个正面视频样本进行训练也能取得良好的结果。通过与各种复合面部识别和唇读模型进行基准测试，进一步证明了网络训练的有效性。