随着生物识别技术逐渐走入人们的视线,并越来越得到人们的认可,生物识别系统的安全性也变得尤为重要。随着相关硬件价格的下降和相关技术的日趋成熟,近些年,人脸识别技术在许多领域取得了巨大的发展,在很多领域得到了大力应用,比如系统登录、门禁系统、出入安检、缉拿罪犯等等。然而人脸的照片或视频极易被他人通过一些廉价手段获取,导致一些不法分子利用合法用户的人脸来攻击相关的人脸识别与认证系统,使得人脸识别系统的安全性受到了严重的威胁。近些年虽然相关的人脸活体检测技术取得了一些发展,但是在实际应用中具有安全性不高、需要额外的辅助设备、需要用户配合等缺点,极大的限制了相关产品的推广。为了提供一个不需额外辅助设备的、极少需要用户配合的、价格低廉的人脸活体检测方法,本文从活体的环境特征、生理特征等方面进行对比,深入研究了当前的各种人脸活体检测技术,并对比其优缺点,最终得出一种简单有效的活体检测方法。本文的主要工作有以下三方面:1、深入研究了当前主流的活体检测研究的主要框架,阐述了活体检测技术的重要意义,综合讲述了当前人脸活体检测技术的现状。总结了当前的抗欺骗技术,并对其进行分类和总结。阐述了理想的抗欺骗技术的特点,对当前生物识别技术中已存在的活体检测技术进行总结,并分析了各个方法的优缺点,归纳了当前活体检测技术所共有的特点,并结合本文研究的背景,对各种技术进行逐一评价,最终得出本文中提出的人脸活体检测技术。2、简单综述了人脸识别系统,简述了人脸预处理、人脸检测中的相关技术和分类,并阐述了各种技术的优缺点,综合考虑时间效率和准确率两方面的因素,最终采用了基于Adaboost的方法来对图像中存在的人脸进行检测。随后,对检测到的疑似人脸再进行人脸特征点的检测,再结合近些年国内外相关学者提出的各种人脸特征点和特征部位的相关检测方法,根据检测时所使用的基础信息的类型,可以将当前的人脸检测方法大致分为六类,并分别进行了讲述和分析,最终确定使用了Supvised Descent Method方法来进行人脸特征点的提取,并对SDM方法的原理和过程进行了详细的描述。3、针对现有的人脸活体检测技术进行筛选,分析各个技术的优缺点综合考虑硬件需求和用户配合度,最终提出本文算法。本文中的算法主要分为四步,分别是:针对单幅图像人眼检测技术的局限性,本文采用针对图像视频序列的检测技术;在视频序列中的人眼进行检测的过程中,本文重新对眼睛开合度进行定义,采用单眼中相关特征点的平均值、双眼开合度的平均值等方法来防止突变特征点对检测方法的影响;然后对单个图像视频序列定义活体检测的标准,对单个图像视频序列中人眼的眨眼情况进行检测;最后对图像视频序列组的活体检测标准进行定义,并对当前人的活体情况进行最终的判定。只有通过了以上四步后仍被判定为活体的人脸才最终判定为活体,否则,为非活体。最后对本文中提出的算法进行速度和准确率方面的检测。在Intel(R)Core(TM)i7-3520M CPU@3.70GHz,8GB RAM硬件平台上基于Opencv2.4.10实现。其速度可以达到80帧/秒,在自己录制的活体和非活体样本上,准确率可以达到98%。本文提出的人脸活体检测方法在保证准确率的前提下,已经达到了实时应用的要求。