人脸识别是基于生物特征的身份认证技术中极为受关注并且极具挑战的领域。随着机器视觉、图像处理、立体视觉、机器学习等众多相关学科领域研究的不断加深,人脸识别也广泛应用于生活中,如门禁、无人超市、人脸支付以及火车站飞机场安检通道等。然而传统的人脸识别系统虽然能识别不同的人脸,却很难判断出此人脸是活体、照片还是模型。因此人脸活体检测技术的出现正是为了消除上述人脸识别技术中的安全隐患,使人脸识别系统能够安全稳定地运行。论文总结了国内外人脸活体检测研究成果,针对照片欺骗和人脸模型攻击问题,从光流法、融合深度和纹理扰动信息法出发展开研究,结合支持向量机,设计了两种抵御虚假人脸攻击的方法。论文的主要工作如下:1.改进了基于光流法的人脸活体检测方法。使用940nm窄带红外线摄像头,配合940nm红外线补光灯进行人脸图像采集,分析了照片人脸与真实人脸在光流下的不同特征,并通过支持向量机进行分类,使得单张光流图检测准确率达到83.3%,正样本检测率为82.8%,负样本检测率为83.9%。均高于同等环境下的彩色摄像头。2.首次提出了融合深度信息与纹理扰动信息法的活体检测方法,使用IntelReal-sense D435深度摄像头获取人脸的深度信息,分析了真假人脸在三维特征上的差别,为了防止具有深度信息的人脸模型攻击,本文同时获取人脸彩色图像信息,根据人脸的非刚性变化,通过纹理扰动特征再次进行活体检测,在无需用户配合的情况下,实现活体判别。该融合的活体检测算法准确率高达98.5%,正样本检测率为98.9%,负样本检测率为98.0%。3.构建了两个人脸数据库,一个是940nm窄带红外摄像头视频数据库,其中包括30个活体人脸和60个照片人脸,在该数据集上通过实验验证了本文提出的光流活体检测方法,结果表明该方法能够有效判别真假人脸;另一个人脸数据库使用Intel RealSenseD435录制的深度数据视频数据库,其中包括30个活体人脸和60个照片人脸,通过实验验证了本文提出的融合深度信息与纹理扰动信息的检测方法,结果表明在无需用户配合的情况下该方法能有效解决活体检测问题。4.使用Up Board开发板与D435深度摄像头搭建了一套基于活体检测人脸识别系统。