小视科技论文入选IJCAI2018

IJCAI,全称International Joint Conference on Artificial Intelligence。是国际人工智能领域最顶尖的会议之一。会议议题涵盖机器学习、计算可持续性、图像识别、语音技术、视频技术等。1969年至2015年间，会议隔年举办。2016年起，每年举办一次。IJCAI不仅是国际 AI 领域研究内容最为全面、最具影响力的顶级学术会议之一，更是AI领域最领先研究者聚合的头脑风暴。

2018年7月，备受AI学界和业界关注的IJCAI将于瑞典斯德哥尔摩举办。今年的IJCAI共收到 3470 篇有效投稿，710篇论文被接收，接收率为20%。会议披露的收录论文名单中，小视科技AI研究院研究员林晨、胡建国共同完成的研究论文《Live Face Verification with Multiple Instantialized Local Homographic Parameterization》 （基于多实例化局部单应性参数的人脸活体验证）在列。这是继三篇论文被世界顶级的计算机视觉会议CVPR接收之后，小视科技AI研究院的研究成果再一次受到国际人工智能顶级会议的认可。

论文解读：

《Live Face Verification with Multiple Instantialized Local Homographic Parameterization》 （基于多实例化局部单应性参数的人脸活体验证）一文主要提出了两个创新点：

１．小视科技AI团队提出利用局部单应性(homography)参数提取用于人脸活体验证的特征。该特征的提取受启发于对‘真’、‘假’人脸视频的观察：‘假脸’视频所拍摄的照片或放映视频的平板均为平面，某些局部区域的连续帧之间表现出同应性特性（可用同应性矩阵对前后帧进行相互转换），而真实人脸视频中没有这样的特性。因此，与传统的特征(HoG，optical flow等)相比，该特征在人脸活体验证任务中表现出更强的区分力。

２．团队还提出了一种端到端的人脸活体验证训练网络。由于在‘假’脸视频中存在一个或多个单应性（homography）区域，而‘真’脸视频中不存在单应性区域，我们将多个局部特征提取网络作为子网络嵌入多实例架构。该网络提高了人脸活体验证的召回率和训练效率。

目前，该算法已经在互联网认证服务，智能人脸pad等多种生产场景中得到广泛使用。

该网络的具体结构如图：

在每个局部特征提取子网络中，我们将前后两帧的局部图片输入STN(空间变换网络)计算同应性参数，然后将后一帧图片与经过同应性变换的前一帧相减作为运动特征，最后将运动特征及前后两帧送入CNN网络提取特征。我们将每个局部区域看做一个实例，将整张人脸的各个局部看做一个包，嵌入到多实例学习网络中。在训练过程中，每个子网络不是分开标注和训练的，而是利用多实例学习算法在每一次迭代中为每个局部图片动态分配标签。我们提出的方法的准确率分别在两个公开的活体检测数据集OULU_NPU,replay_attack上提升了14%,1.1%。