T Aruna Kumari

Gesichtsverformungsangriffe stellen eine ernsthafte Bedrohung f r die bestehenden Gesichtserkennungssysteme dar. Obwohl einige Methoden zur Erkennung von Gesichtsverformungen entwickelt wurden, bleibt die Wiederherstellung des Gesichts eines Komplizen, der sich verformt hat, ein schwieriges Problem. In diesem Papier wird ein generatives generatives adversarisches Netzwerk (FD-GAN) zur Wiederherstellung des Gesichtsbildes des Komplizen vorgeschlagen. Es nutzt eine symmetrische duale Netzwerkarchitektur und zwei Stufen von Wiederherstellungsverlusten, um das Identit tsmerkmal des morphenden Komplizen zu trennen. Durch die Nutzung des vom Gesichtserkennungssystem erfassten Gesichtsbildes (das die Identit t des Kriminellen enth lt) und des im elektronischen Reisepass gespeicherten gemorphten Bildes (das sowohl die Identit t des Kriminellen als auch die des Komplizen enth lt), kann das FD-GAN das Gesichtsbild des Komplizen effektiv wiederherstellen. Experimentelle Ergebnisse und Analysen belegen die Wirksamkeit des vorgeschlagenen Verfahrens. Es hat ein gro es Potenzial f r die R ckverfolgung der Identit t des Komplizen eines Face-Morphing-Angriffs bei kriminalpolizeilichen und forensischen Untersuchungen.

O ataque de "face morphing" revelou-se uma s ria amea a para os actuais sistemas de reconhecimento facial. Embora tenham sido propostos alguns m todos de dete o de face morphing, o restauro do rosto do c mplice que sofreu o ataque continua a ser um problema dif cil. Neste artigo, proposta uma rede advers ria generativa de de- morphing facial (FD-GAN) para restaurar a imagem facial do c mplice. Utiliza uma arquitetura de rede dupla sim trica e dois n veis de perdas de restauro para separar a carater stica de identidade do c mplice morphing. Explorando a imagem facial capturada (que cont m a identidade do criminoso) do sistema de reconhecimento facial e a imagem transformada armazenada no sistema de passaporte eletr nico (que cont m as identidades do criminoso e do c mplice), o FD-GAN pode restaurar eficazmente a imagem facial do c mplice. Os resultados experimentais e a an lise demonstram a efic cia do esquema proposto. Tem um grande potencial para ser aplicado no rastreio da identidade do c mplice de um ataque de transforma o facial na investiga o criminal e forense judicial.

L'attaque par morphing du visage s'av re tre une menace s rieuse pour les syst mes de reconnaissance faciale existants. Bien que quelques m thodes de d tection du morphage des visages aient t propos es, la restauration de l'image faciale d'un complice ayant subi un morphage des visages reste un probl me difficile. Dans cet article, un r seau accusatoire g n ratif de morphing de visage (FD-GAN) est propos pour restaurer l'image faciale du complice. Il utilise une architecture de r seau double sym trique et deux niveaux de pertes de restauration pour s parer la caract ristique d'identit du complice de morphing. En exploitant l'image faciale captur e (contenant l'identit du criminel) par le syst me de reconnaissance faciale et l'image morph e stock e dans le syst me de passeport lectronique (contenant les identit s du criminel et du complice), le FD-GAN peut restaurer efficacement l'image faciale du complice. Les r sultats exp rimentaux et l'analyse d montrent l'efficacit du syst me propos . Il a un grand potentiel d'application pour retrouver l'identit du complice d'une attaque par morphing facial dans le cadre d'une enqu te criminelle et de la criminalistique judiciaire.

L'attacco di face morphing si rivelato una seria minaccia per i sistemi di riconoscimento facciale esistenti. Sebbene siano stati proposti alcuni metodi di rilevamento del face morphing, il ripristino del volto del complice rimane un problema impegnativo. In questo lavoro, viene proposta una rete generativa avversaria di de-morfismo facciale (FD-GAN) per ripristinare l'immagine facciale del complice. Utilizza un'architettura di rete duale simmetrica e due livelli di perdite di ripristino per separare le caratteristiche dell'identit del complice morphing. Sfruttando l'immagine facciale catturata (contenente l'identit del criminale) dal sistema di riconoscimento facciale e l'immagine morphing memorizzata nel sistema di passaporto elettronico (contenente le identit del criminale e del complice), l'FD-GAN pu ripristinare efficacemente l'immagine facciale del complice. I risultati sperimentali e l'analisi dimostrano l'efficacia dello schema proposto. Ha un grande potenziale per essere applicato per rintracciare l'identit del complice di un attacco di face morphing nelle indagini criminali e nella forensics giudiziaria.

Face morphing attack is proved to be a serious threat to the existing face recognition systems. Although a few face morphing detection methods have been put forward, the face morphing accomplice's facial restoration remains a challenging problem. In this paper, a face de- morphing generative adversarial network (FD-GAN) is proposed to restore the accomplice's facial image. It utilizes a symmetric dual network architecture and two levels of restoration losses to separate the identity feature of the morphing accomplice. By exploiting the captured facial image (containing the criminal's identity) from the face recognition system and the morphed image stored in the e-passport system (containing both criminal and accomplice's identities), the FD-GAN can effectively restore the accomplice's facial image. Experimental results and analysis demonstrate the effectiveness of the proposed scheme. It has great potential to be applied for tracing the identity of face morphing attack's accomplice in criminal investigation and judicial forensics.