Event-based Liveness Detection using Temporal Ocular Dynamics: An Exploratory Approach
本文通过利用事件相机捕获的微秒级时间尺度眼部动态，探索基于事件的活体检测，以有效区分真实眼球运动与重放攻击，并借助脉冲卷积神经网络实现了高达 95.37% 的准确率。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图用面部解锁手机。通常，相机会拍摄你的照片。但一个狡猾的小偷只需在平板电脑上举起一段你的面部视频，就能欺骗相机，使其误以为你就在现场。这被称为“重放攻击”。
本文提出了一种通过改变相机本身来阻止这些小偷的新方法。作者没有使用像电影那样拍摄照片（帧）的标准相机，而是使用了一种事件相机。
看见“变化”而非“图片”的相机
将标准相机想象成一本翻书动画。它拍摄一张完整的照片，然后拍摄另一张完整的照片，每秒进行 30 或 60 次。即使你极快地移动眼睛，相机也只能在这些冻结的快照中看到你的影像。
事件相机更像是一个布满超高速微型运动传感器的房间。它不拍摄照片。相反，只有当特定位置发生某种变化时，它才会“发声”。
- 如果一个像素保持颜色不变，传感器就保持静默。
- 如果一个像素变亮或变暗（例如当你移动眼睛时），传感器就会发出一个带有微秒级精确时间戳的微小“事件”。
这就像观看蜂鸟的慢动作视频（标准相机）与拥有一个仅在翅膀每次扇动时才会“咔哒”作响的麦克风（事件相机）之间的区别。事件相机捕捉的是运动本身，而不仅仅是静止图像。
“眼舞”测试
研究人员意识到，人类眼睛会以非常特定且快速的方式移动，称为扫视（从一个点快速跳跃到另一个点）和眨眼。这些动作发生得如此之快，以至于标准视频相机往往会将其模糊化或错过微小的细节。
由于事件相机速度极快，它们能够捕捉你眼部肌肉的确切“舞蹈”。
- 真实人类：当你注视目标时，你的眼睛会瞬间跳跃。事件相机会观察到一阵尖锐、精确的活动爆发。
- 虚假视频（重放攻击）：如果小偷在屏幕上播放你的眼睛视频，屏幕必须刷新其图像（通常为每秒 60 次）。这会在运动中产生“卡顿”或“抖动”。事件相机将这种模式识别为混乱且不自然的，因为屏幕无法重现真实眼跳的微秒级速度。
他们如何测试
团队构建了一个系统，其作用类似于俱乐部的门卫：
- 挑战：系统要求你执行特定动作，例如“快速向左看”或“眨眼”。
- 响应：它用事件相机观察你的眼睛。
- 决策：它分析你眼部运动的“节奏”。
- 如果节奏流畅且达到微秒级精确，那就是你（真实）。
- 如果节奏带有屏幕特有的“数字卡顿”，那就是小偷（重放攻击）。
结果
他们创建了一个新数据集，记录了真实人类，然后录制了这些人在屏幕上播放的视频以模拟攻击。他们用这些伪造数据测试了他们的系统。
- 获胜者：他们使用了一种专门设计用于理解这些“事件”信号的特殊人工智能（称为脉冲卷积神经网络）。
- 得分：该系统正确识别真实人类与虚假视频的比例达到了95.37%。
- 对比：他们还尝试使用标准视频帧（像普通手机相机那样）配合另一种人工智能，但事件相机方法的准确率更高。
为什么这很重要（根据论文观点）
论文认为，由于事件相机捕捉的是运动的速度和时机，而不仅仅是面部的外观，因此小偷很难伪造一次成功的攻击。屏幕留下的“数字伪影”（微小瑕疵）对于这种传感器来说是无法隐藏的。
简而言之：他们构建了一个安全系统，该系统不仅检查你的面部看起来像什么，还检查你的眼睛移动得有多快、有多流畅。它使用一种超高速传感器，以“变化的瞬间”而非“图片”来观察世界。这使得视频录像极难欺骗该系统。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。