Convolutional Neural Network Approach for Multispectral Facial Presentation Attack Detection in Automated Border Control Systems

Abstract

Los sistemas automatizados de control fronterizo son el primer punto crítico de infraestructura al cruzar las fronteras de un país. Cruzar las líneas fronterizas para pasajeros no autorizados representa un alto riesgo de seguridad para cualquier nación. Este documento presenta un análisis multispectral de detección de ataques de presentación para la biometría facial utilizando las características aprendidas de una red neuronal convolucional.

Se consideraron tres sensores para diseñar y desarrollar una nueva base de datos compuesta por imágenes visibles (VIS), infrarrojas cercanas (NIR) y térmicas. La mayoría de los estudios se basan en entornos de laboratorio o condiciones ideales controladas. Sin embargo, en un escenario real, la situación de un sujeto se modifica completamente debido a diversas condiciones fisiológicas, como el estrés, los cambios de temperatura, la transpiración y el aumento de la presión arterial. Por esta razón, el valor añadido de este estudio radica en que esta base de datos se adquirió in situ.

Los ataques considerados incluyeron imágenes impresas, enmascaradas y mostradas. Además, se utilizaron cinco clasificadores para detectar el ataque de presentación. Cabe destacar que los sensores térmicos ofrecen un rendimiento superior a otras soluciones. Los resultados muestran mejores resultados cuando se utilizan todos los sensores juntos, ya sea que se considere la fusión de clasificadores o de nivel de características. Finalmente, clasificadores como KNN o SVM muestran un alto rendimiento y un bajo nivel computacional.