Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Occlusion-Robust Face Detection Using Shallow and Deep Proposal Based Faster R-CNN Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Deep Representations Based on Sparse Auto-Encoder Networks for Face Spoofing Detection

verfasst von : Dakun Yang, Jianhuang Lai, Ling Mei

Erschienen in: Biometric Recognition

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Automatic face recognition plays significant role in biometrics systems, and face spoofing has raised concerns at the same time, since a photo or video of an authorized uesr’s face could be used for deceiving the system. In this paper, we propose a new hierarchical visual feature based on deep learning to discriminate spoof face. First, the LBP descriptor is used to extract low level face features of face images, and then these low level features are encoded to high level features via a deep learning architecture which is consists of sparse auto-encoder (SAE). Finally, SVM classifier is applied to detect face spoofing. We perform a experimental evaluation on two face liveness detection databases, CASIA database and NUAA database. The results indicate the robustness of the proposed approach for face spoofing detection.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Cross-Database Face Antispoofing with Robust Feature Representation
Nächstes Kapitel A Face Liveness Detection Scheme to Combining Static and Dynamic Features
Literatur
1.
Menotti, D., Chiachia, G., Pinto, A.: Deep representations for iris, face, fingerprint spoofing detection. IEEE Trans. Inf. Forensics Secur. 10(4), 864–879 (2015)CrossRef
2.
Gao, S., Tsang, I.W.-H., Chia, L.-T.: Kernel sparse representation for image classification and face recognition. In: Daniilidis, K., Maragos, P., Paragios, N. (eds.) ECCV 2010. LNCS, vol. 6314, pp. 1–14. Springer, Heidelberg (2010). doi:10.​1007/​978-3-642-15561-1_​1 CrossRef
3.
Lei, Z., Pietikainen, M., Li, S.: Learning discriminant face descriptor. IEEE Trans. Pattern Anal. Mach. Intell. 36(2), 289–302 (2014)CrossRef
4.
Li, Z., Imai, J., Kaneko, M., Robust face recognition using block-based bag of words. In: Proceedings of 20th ICPR, pp. 1285–1288 (2010)
5.
Maatta, J., Hadid, A., Pietikainen, M., Face spoofing detection from single imagesusing micro-texture analysis. In: Proceedings of 2011 IJCB, pp. 1–7 (2011)
6.
Jee, H., Jung, S., Yoo, J.: LIBSVM: liveness detection for embedded face recognition system. Int. J. Biol. Med. Sci. 1(4), 235–238 (2006)
7.
Chetty, G., Biometric liveness checking using multimodal fuzzy fusion. In: Proceedings of 2010 International Conference on Fuzzy Systems, pp. 1–8 (2010)
8.
Goh, H., Thome, N., Cord, M., Lim, J.-H.: Unsupervised and supervised visual codes with restricted Boltzmann machines. In: Fitzgibbon, A., Lazebnik, S., Perona, P., Sato, Y., Schmid, C. (eds.) ECCV 2012. LNCS, vol. 7576, pp. 298–311. Springer, Heidelberg (2012). doi:10.​1007/​978-3-642-33715-4_​22 CrossRef
9.
Baccouche, M., Mamalet, F., Wolf, C.: Spatio-temporal convolutional sparse auto-encoder for sequence classification. In: BMVC 2012, pp. 1–12 (2012)
10.
Ng, A.: Sparse Autoencoder, vol. 72. Stanford University Press, Stanford (2011)
11.
Hinton, G.E., Salakhutdinov, R.R.: Reducing the dimensionality of data with neural networks. Science 313(5786), 504–507 (2006)MathSciNetCrossRefMATH
12.
Xu, J., Xiang, L., Hang, R., Stacked Sparse Autoencoder (SSAE) based frameworkfor nuclei patch classification on breast cancer histopathology. In: Proceedings of 11th IEEE International Symposium on Biomedical Imaging, pp. 999–1002 (2014)
13.
Su, S., Liu, Z., Xu, S.: Sparse auto-encoder based feature learning for human body detection in depth image. Sig. Process. 112, 43–52 (2015)CrossRef
14.
Zhang, Z., Yan, J., Liu, S.: A face antispoofing database with diverse attacks. In: Proceedings of 5th IAPR, pp. 26–31 (2012)
15.
Tan, X., Li, Y., Liu, J., Jiang, L.: Face liveness detection from a single image with sparse low rank bilinear discriminative model. In: Daniilidis, K., Maragos, P., Paragios, N. (eds.) ECCV 2010. LNCS, vol. 6316, pp. 504–517. Springer, Heidelberg (2010). doi:10.​1007/​978-3-642-15567-3_​37 CrossRef
16.
Mei, L., Yang, D., Feng, Z., Lai, J.: WLD-TOP based algorithm against face spoofing attacks. biometric recognition. In: Yang, J., Yang, J., Sun, Z., Shan, S., Zheng, W., Feng, J. (eds.) CCBR 2015. LNCS, vol. 9428, pp. 135–142. Springer, Heidelberg (2015). doi:10.​1007/​978-3-319-25417-3_​17
17.
Yang, J., Lei, Z., Liao, S., Li, S.Z., Face liveness detection with component dependent descriptor. In: International Conference on Biometrics, pp. 1–6 (2013)
Metadaten
Titel
Deep Representations Based on Sparse Auto-Encoder Networks for Face Spoofing Detection
verfasst von
Dakun Yang
Jianhuang Lai
Ling Mei
Copyright-Jahr
2016
Buch
Biometric Recognition

Print ISBN: 978-3-319-46653-8

Electronic ISBN: 978-3-319-46654-5

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-46654-5_68