• face recognition
• impersonation attack
• makeup attack
• riconoscimento facciale

L'oggetto di ricerca del presente elaborato è stato lo studio dell'impatto del Impersonation Attack su diversi approcci di identificazione biometrica basati sul riconoscimento facciale. Tale studio è stato effettuato prendendo come riferimento un'implementazione specifica di tale tipologia di attacco realizzata tramite l'applicazione di makeup sul viso dell'impostore per imitare il più possibile la fisionomia dell'identità target, da cui prende anche il nome "Makeup Attack". L'analisi è stata implementata sul dataset "HDA Facial Makeup Presentation Attack Database" , le cui immagini sono tratte da foto o video di artisti del makeup presenti su determinate piattaforme web. I risultati del riconoscimento facciale su questo dataset sono stati analizzati applicando quattro diverse tecniche: Principal Component Analisys (PCA), FaceNet, Canny Edge Detector (CED) e Nodal Points. Le immagini sono state sottoposte ad un sistema di riconoscimento per volta, e i risultati così ottenuti sono stati confrontati per stabilire l'attendibilità degli algoritmi utilizzati e il livello di efficacia dell'attacco. Le prestazioni più interessanti sono state ottenute mediante l'uso di FaceNet e PCA, mentre gli approcci basati su CED e Nodal Points sono risultati inaffidabili se applicati al dataset in esame.


The research object of this paper was to study the impact of the Impersonation Attack on various biometric identification approaches based on facial recognition. This study was carried out by taking as reference a specific implementation of this type of attack carried out by applying make-up to the impostor's face in order to imitate as closely as possible the physiognomy of the target identity, from which it also takes its name ‘Makeup Attack’. The analysis was implemented on the dataset ‘HDA Facial Makeup Presentation Attack Database’. whose images are taken from photos or videos of make-up artists on certain web platforms. Facial recognition results on this dataset were analysed by applying four different techniques: Principal Component Analysis (PCA), FaceNet, Canny Edge Detector (CED) and Nodal Points. The images were subjected to one recognition system at a time, and the results obtained were compared to establish the reliability of the algorithms used and the level of effectiveness of the attack. The most interesting performance was obtained through the use of FaceNet and PCA, while the approaches based on CED and Nodal Points were found to be unreliable when applied to the dataset under examination.