lbpfouriertexture

Local Binary Patterns (LBP) y el análisis de frecuencias de Fourier detectan las micro-texturas características de materiales falsos: granos de papel en fotos impresas, patrones de subpíxel en pantallas.

When to use

Usar como capa adicional de liveness pasivo, especialmente para detectar ataques de impresión de alta calidad que engañan a los modelos CNN.

Instructions

1. Instalar: pip install scikit-image.
2. LBP: Extraer región facial. Calcular LBP: lbp = localbinarypattern(gray_face, P=8, R=1, method='uniform'). Calcular histograma LBP normalizado. Clasificar con SVM o threshold estadístico preentrenado.
3. Análisis Fourier: Aplicar FFT 2D: f = np.fft.fft2(gray_face). Calcular espectro de magnitud: magnitude = np.abs(np.fft.fftshift(f)). Analizar distribución de energía en frecuencias altas (pantallas muestran picos periódicos regulares en Fourier).
4. Combinar score LBP y score Fourier con media ponderada.
5. Umbral de rechazo: combined_score < 0.5 → spoof detectado.

Notes

• Los patrones de pantalla (LCD/OLED) crean frecuencias periódicas muy características en el espectro de Fourier.
• LBP es especialmente sensible a texturas de papel de baja resolución.