over the whole face image. This is

over the whole face image. This is done as follows: the
face is first detected, cropped and normalized into a 64×64
pixel image. Then, we apply LBP u2
8,1 operator on the normalized
face image and divide the resulting LBP face image
into 3 × 3 overlapping regions (with an overlapping size of
14 pixels). The local 59-bin histograms from each region
are computed and collected into a single 531-bin histogram.
Then, we compute two other histograms from the whole
face image using LBP u2
8,2
and LBP u2
16,2 operators, yielding
59-bin and 243-bin histograms that are added to the 531-bin
histogram previously computed. Hence, the length of the fi-
nal enhanced feature histogram is 833 (i.e. 531+59+243).
3.2. Classification
Once the enhanced histograms are computed, we use
a nonlinear SVM classifier with radial basis function kernel
[13] for determining whether the input image corresponds
to a live face or not. The SVM classifier is first
trained using a set of positive (real faces) and negative (fake
faces) samples.
4. Experimental Analysis
4.1. Experimental Data
For performance evaluation, we considered the publicly
available NUAA Photograph Imposter Database [12] which
contains images of both real client accesses and photo attacks.
The face images of live humans and their photographs
were collected in three sessions at intervals of
about two weeks. In addition, during each session, the environmental
and illumination conditions are changing. Ex-

Kết quả (Việt) 1:

qua hình ảnh toàn bộ khuôn mặt. Điều này được thực hiện như sau: Cáckhuôn mặt lần đầu tiên được phát hiện, cắt và chuẩn hoá thành một 64 × 64hình ảnh pixel. Sau đó, chúng tôi áp dụng LBP u2nhà điều hành 8,1 trên các bình thườngđối mặt với hình ảnh và phân chia hình ảnh kết quả mặt LBPvào 3 × 3 sự chồng lấn vùng (với một kích thước chồng chéo của14 pixel). 59-bin histograms địa phương từ mỗi vùngĐang tính toán và tập hợp lại thành một biểu đồ 531-bin duy nhất.Sau đó, chúng tôi tính toán hai khác histograms từ toàn bộhình ảnh khuôn mặt bằng cách sử dụng LBP u28,2và LBP u2nhà điều hành 16,2, năng suất59-bin và 243-bin histograms được bổ sung vào 531-binbiểu đồ tính toán trước đây. Do đó, độ dài của fi -Nal nâng cao tính năng biểu đồ là 833 (tức là 531 + 59 + 243).3.2. phân loạiMột khi histograms tăng cường được tính toán, chúng tôi sử dụngmột loại SVM phi tuyến với cơ sở tròn chức năng hạt nhân[13] để xác định xem những hình ảnh đầu vào tương ứngđể sống một khuôn mặt hay không. Loại SVM là lần đầu tiênđược đào tạo bằng cách sử dụng một tập hợp các dương tính (thực tế khuôn mặt) và tiêu cực (giả««««khuôn mặt) mẫu.4. thử nghiệm phân tích4.1. thực nghiệm dữ liệuHiệu suất đánh giá, chúng tôi xem xét các công khaicó NUAA chụp ảnh thấy cơ sở dữ liệu [12] đóchứa những hình ảnh thực tế khách hàng truy cập và ảnh cuộc tấn công.Những hình ảnh khuôn mặt của con người sống và các bức ảnhđược thu thập trong ba phiên theo chu kỳ củakhoảng hai tuần. Ngoài ra, trong mỗi phiên họp, các môi trườngvà điều kiện chiếu sáng thay đổi. Ex-

Kết quả (Việt) 2:

lên ảnh toàn bộ khuôn mặt. Điều này được thực hiện như sau: các
khuôn mặt được phát hiện đầu tiên, cắt và chuẩn hóa thành 64 × 64
điểm ảnh. Sau đó, chúng tôi áp dụng LBP u2
điều hành 8,1 trên bình thường hóa
hình ảnh khuôn mặt và phân chia kết quả hình ảnh khuôn mặt LBP
thành 3 × 3 vùng chồng lấn (với kích thước chồng chéo của
14 pixel). Các địa phương biểu đồ 59-bin từ mỗi khu vực
được tính toán và thu thập vào một biểu đồ 531-bin duy nhất.
Sau đó, chúng tôi tính toán hai biểu đồ khác từ toàn bộ
hình ảnh khuôn mặt sử dụng LBP u2
8,2
và LBP u2
16,2 khai thác, năng suất
59. bin và 243-bin biểu đồ được thêm vào 531-bin
histogram trước tính. Do đó, chiều dài của fi-
nal tăng cường tính năng biểu đồ là 833 (tức là 531 + 59 + 243).
3.2. Phân loại
Một khi biểu đồ tăng cường được tính toán, chúng tôi sử dụng
một bộ phân loại SVM phi tuyến với radial hàm cơ sở hạt nhân
[13] để xác định liệu những hình ảnh đầu vào tương ứng
với một khuôn mặt trực tiếp hay không. Bộ phân loại SVM là lần đầu tiên
được đào tạo sử dụng một bộ tích cực (khuôn mặt thực) và cực âm (giả
khuôn mặt) mẫu.
4. Phân tích thực nghiệm
4.1. Nghiệm dữ liệu
Để đánh giá hiệu quả, chúng tôi coi là công khai
có sẵn NUAA Cơ sở dữ liệu Ảnh kẻ mạo danh [12] mà
chứa hình ảnh của cả khách hàng thực sự truy cập và các cuộc tấn công ảnh.
Các hình ảnh khuôn mặt của con người sống và hình ảnh của họ
được thu thập trong ba phiên trong khoảng thời gian
khoảng hai tuần . Ngoài ra, trong mỗi phiên giao dịch, các môi trường
điều kiện và ánh sáng đang thay đổi. Ex-