人工智能安全：原理与实践 课件 第3章 卷积神经网络的安全应用(3.3基于卷积神经网络的人脸活体检测-实践).pptx

李剑博士，教授，博士生导师网络空间安全学院lijian@bupt.edu.cnJanuary23,2025第三章卷积神经网络的安全应用实践3-2基于卷积神经网络的人脸活体检测

本实践介绍传统的人脸识别方法通常只依赖于静态的人脸图像进行识别。这种技术方法容易受到欺骗，例如使用照片、视频或面具等进行伪造。为了解决这个问题，人脸活体检测技术（FaceLivenessDetection）应运而生。本实践内容讲述如何使用卷积神经网络来实现人脸的活体检测。

1.人脸活体检测概述它的主要目的是防止攻击者使用静态图像或非真实人脸进行欺骗，以提高人脸识别系统的安全性和准确性。人脸活体检测的常见方法如下：1.眨眼检测（BlinkDetection）2.姿态检测（PoseDetection）3.红外活体检测（InfraredLivenessDetection）4.活体反馈检测（LiveFeedbackDetection）

2.人脸活体检测的应用?VGG模型（VisualGeometryGroupNetwork）是由牛津大学的视觉几何组在2014年提出的深度卷积神经网络（CNN）模型，主要应用于图像分类和识别任务。?VGG模型在ImageNet大规模视觉识别竞赛（ILSVRC）中获得了图像分类任务的第二名，第一名是GoogLeNet。VGG模型以其简洁和一致的结构著称，主要使用小型3x3的卷积核和2x2的最大池化层。?人脸活体检测有很多应用场景，下面是一些典型的应用：身份认证安防监控网络安全

3.实践目的1.理解VGG模型结构及其运作原理。研究VGG模型的网络结构，包括其卷积层、激活函数、池化层和全连接层的设计和作用。2.设计卷积神经网络训练流程。3.理解人脸活体检测的基本原理，完成程序设计。

4.实践架构架构

5.实践环境? python版本：3.8或更高版本? 深度学习框架：TensorFlow2.4.1? 其他库版本：imutils0.5.4Keras2.4.3h5py2.10.0sklearn0.0? opencv-python4.5.1.48? 运行平台：VSCode

6.实践过程1.导入库文件requirements.txt。2.编写模型文件model.py。该文件使用Keras库构建了一个名为MiniVGG的卷积神经网络（CNN）模型。该模型主要用于图像分类任务，接收特定尺寸和深度的图像作为输入，并输出属于不同类别的概率。3.编写训练文件train.py。4.编写工具文件utils.py。

7.实践结果结果real,fake

8.参考代码本节实践内容的Python语言参考源代码见本教材的网盘。

小结本实践内容讲述如何使用卷积神经网络来实现人脸的活体检测。

祝同学们学习进步！致谢