近些年来,人脸识别技术发展迅速并被广泛的应用于各行各业。然而,来自非法用户的人脸欺骗攻击却给人脸识别技术的应用带来了很大的安全隐患。为了解决这一问题,人脸活体检测技术应运而生。本文首先总结了现阶段人脸活体检测领域的研究成果,并针对现有检测方法在跨数据集检测时检测准确率低等问题,研究了基于检测场景中的上下文信息以及人脸视频中的时域与纹理特征的活体检测方法。本文所做工作如下:1.研究了一种基于上下文信息与单类支持向量机的人脸活体检测方法。该方法首先通过方向梯度直方图对欺骗攻击行为中普遍存在的上下文信息(例如,非法入侵者为了通过手机呈现待识别对象的人脸照片而引入的规则矩形边框)进行提取,然后使用单类支持向量机对特征向量进行训练分类,接下来利用Tensor Flow目标检测API对检测场景中的特定欺骗特征(例如,握住手机等欺骗媒介的人手)进行检测,最后根据单类支持向量机的分类结果以及Tensor Flow的目标检测结果进行活体判定。通过在数据集NUAA与CASIA上的实验表明,该方法在跨数据集活体检测时有较好的检测结果,且通过使用单类支持向量机对待检测目标进行分类,解决了真实人脸样本与假人脸样本分布不均匀的问题。2.研究了一种基于时域与纹理特征的人脸活体检测方法。该方法首先对活体检测数据集进行预处理,并使用处理后的数据对深度3D卷积神经网络进行微调训练,然后使用训练好的模型提取人脸视频中的时域特征,将得到的时域特征与人脸图片在HSV和YCb Cr颜色空间中提取的LBP纹理特征进行融合,接着使用支持向量机对融合后得到的特征进行训练分类,从而根据分类结果对待检测目标进行活体判定。通过在Replay Attack和CASIA数据集上的实验表明,该方法有较高的检测准确率,且在一定程度上缓解了现有活体检测方法在跨数据集检测时准确率低的问题。同时,也解决了基于上下文信息的活体检测方法在检测场景中缺少可以利用的上下文信息时检测效果不佳的问题。3.使用人脸活体检测方法设计并实现了一个具备活体检测功能的人脸识别考勤测试系统。该系统的应用场景为大学研究生实验室学生日常考勤,主要具备人脸识别签到与人脸活体检测功能。通过实际系统测试,证明改进方法对人脸识别应用中出现的人脸欺骗攻击行为有较好的检测效果。