Key points are not available for this paper at this time.
La vérification de l'identité personnelle basée sur des données biométriques a suscité un intérêt croissant puisqu'elle permet une authentification fiable par le biais de caractéristiques intrinsèques, telles que le visage, la voix, l'iris, l'empreinte digitale et la démarche. En particulier, les techniques de reconnaissance faciale ont été utilisées dans un certain nombre d'applications, telles que la surveillance de sécurité, le contrôle d'accès, la résolution de crimes, l'application de la loi, entre autres. Pour renforcer les résultats de vérification, les systèmes biométriques doivent être robustes contre les tentatives de spoofing avec des photographies ou des vidéos, qui sont deux moyens courants de contourner un système de reconnaissance faciale. Dans cet article, nous décrivons une solution anti-spoofing basée sur un ensemble de descripteurs de caractéristiques de bas niveau capables de distinguer entre les images et vidéos 'en direct' et 'spoof'. La méthode proposée explore à la fois des informations spatiales et temporelles pour apprendre des caractéristiques distinctives entre les deux classes. Les expériences menées pour valider notre solution avec des ensembles de données contenant des images et des vidéos montrent des résultats comparables aux approches à la pointe de la technologie.
Schwartz et al. (Samedi) ont étudié cette question.