随着人脸识别系统逐渐商用,“看脸”时代的到来也将新的挑战带进了该领域。自动、高效地辨别图像的真伪、抵御欺骗攻击以确保系统安全,成了人脸识别技术中迫在眉睫的问题。设计检测准确率高、泛化能力强、满足实时性需求的活体检测方法是目前的研究重点。论文总结了当前国内外人脸活体检测方面的研究成果,并基于深度学习算法和融合策略设计了几个人脸活体检测算法,论文主要工作如下:(1)对人脸活体检测算法进行综述。经过大量调研,本文将现存的活体检测算法方法分为三大类:基于手工设计特征表达的方法,基于深度学习的方法和基于融合策略的方法。本文对这些方法进行综述,分析每种方法的优势和不足,阐述当前人脸活体检测还需要进一步解决的一些重点,为后来研究者提供便利。(2)设计基于轻量级卷积网络Mobile Netv2的人脸活体检测算法。结合人脸活体检测的实际应用对基础的Mobile Netv2进行“瘦身”处理,微调后的卷积网络在不降低检测准确率的同时极大的降低了算法的参数量和计算量。在NUAA和Siw数据集上进行实验,结果表明:该方法具有一定的有效性,然而在复杂数据集上的效果一般,因此还需要融合其他方法来使用。(3)设计基于决策融合的人脸活体检测算法。利用集成学习中的Stacking和投票法对另外几个流行的活体检测算法的结果进行决策融合,有效提高了活体检测的准确率和泛化能力。(4)设计基于特征融合的人脸活体检测算法。以Mobile Netv2为基础网络,分别从RGB、HSV、LBP图中提取特征,进行特征层的融合,经过Softmax层判断人脸的真假。在NUAA和Siw数据集上做了大量的实验,结果表明:融合不同的特征可以有效提高算法的准确率和泛化能力,而且轻量化的网络可以满足实时性的需求。