Yüz tanıma sistemleri temassız olmaları ve kullanım kolaylığından dolayı pek çok uygulamada kendine yer bulmaktadır. Fakat teknolojinin gelişimi ve bilgiye erişimin kolaylaşması nedeniyle bu sistemler, sahte yüzler kullanılarak yapılan saldırılara karşı dayanıksızdır. Bu çalışmada, farklı renk uzaylarındaki kanallardan çıkarılan doku özniteliklerinin yüz sahteciliği tespitindeki başarımı incelenmiştir. Bu amaçla HSV, YCbCr ve daha önceden bu alanda kullanılmayan L*a*b* renk uzaylarının kanallarından çıkarılan çok seviyeli yerel ikili örüntü özniteliklerinin çeşitli birleşimleri ile yüz sahtecilik tespiti gerçekleştirilmiştir. Öznitelik vektörleri temel bileşenler analizi ile küçültülüp, destek vektör makinesi sınıflayıcısının eğitiminde kullanılmıştır. CASIA ve Replay-Attack veri setleri üzerinde yapılan deneylerde farklı kanallardan çıkarılan öznitelik birleşimlerinin yüz sahteciliği tespitinde başarılı olduğu görülmüştür.
Face recognition systems find their place in many applications because of their contactless nature and ease of use. However, due to the development of technology and easier access to information, these systems are vulnerable to attacks using fake faces. In this study, the performance of texture features extracted from channels in different color spaces in detecting face spoofing was investigated. For this purpose, various combinations of multilevel local binary pattern features extracted from HSV, YCbCr and L*a*b* color space channels were used for face spoofing detection. The feature vectors were reduced by principal component analysis and used in training the support vector machine classifier. The experiments on CASIA and Replay-Attack datasets showed that feature combinations extracted from different channels are successful in detecting spoof faces.
