当视频监控遍布大街小巷,人脸识别的应用随处可见,新技术的诞生带给了大家许多便捷,解放了劳动力,但也带来了新的安全问题:1)遮挡人脸攻击近年来ATM机中蒙面犯罪屡见不鲜,若能及时检测到遮挡人脸构建预警机制则可以有效提高ATM机使用的安全性。然而目前的人脸遮挡检测算法对环境复杂、遮挡物种类多变、遮挡面积过大的鲁棒性较差,以及深度学习模型计算效率低下,无法达到实时监测的效果。2)伪造人脸攻击随着人脸识别应用于支付、个人账户登录和家庭门禁等安全等级需求较高的场景,不法分子通过诸如打印照片等方式制作假人脸攻击人脸识别系统将造成不可预计的后果。因此在人脸识别中加入人脸活性认证抵御假人脸攻击是十分有必要的。目前的人脸活性检测算法受光照、图像分辨率、假人脸制作材料不同的影响较大,无法满足实际应用。尽管深度学习在计算机视觉等领域取得了巨大的成功,但很少应用到人脸遮挡检测和活体检测。为了提高人脸识别安全性,本文探索利用深度学习技术提出了:1)基于级联卷积神经网络的人脸遮挡检测算法。通过深度学习强大的特征学习能力和表达能力,解决了传统算法在复杂条件下鲁棒性的不足,又通过级联的结构加快了算法的运行速度,使其可用于实时检测。2)基于多任务卷积神经网络的人脸活性检测算法。通过多任务的结构同时对眼睛、嘴巴进行检测,利用浅层特征融合深层特征的结构保留了细节抽象特征的同时又考虑了全局轮廓特征,提高了算法的性能。再利用PnP算法计算出了人脸的三维姿态,并加入了关键点的跟踪提高了姿态估计的准确率。最后设计基于人机交互的模式,根据用户眨眼、张嘴以及转头等相应指令动作检测来完成人脸活性认证。最后本文在多个公开库与自建库做了大量的实验,实验表明本文提出的算法在复杂环境中具有很强的适应性,对多变的人脸遮挡和假人脸欺骗具有较高的识别率。