人脸活体检测是生物认证防伪领域内的重要研究课题,在日常生活中有着广泛的应用。目前,研究者们为了更有效地对真实人脸与伪造人脸进行分类,在不同的方向进行了研究。早期伪造人脸的质量与类型存在一定的缺陷,人脸活体检测方法主要通过纹理与图像质量等特征对其进行区分;随着伪造人脸的类型逐渐丰富,制作逐渐精细,目前主要利用深度学习、辅助信息等方法对其进行区分。然而,现有方法在面对单个数据集或单一维度的伪造人脸攻击时具有较高的检测准确率,但在进行多维度、跨数据集测试时检测准确率存在大幅下降的问题。远程光电体积描记术（Remote Photoplethysmography,r PPG）利用真实人脸特有的生命特征,能够有效地检测多维度、跨数据集的伪造人脸攻击,但该方法很容易受到外界环境的影响,并且该方法的使用前提为输入为一段长视频序列。因此,本文重点研究如何减小外界噪声对使用r PPG的人脸活体检测方法的影响与如何设置合适的r PPG类方法检测时间。本文的主要研究内容如下:1.针对使用r PPG的人脸活体检测方法易受外界噪声影响的问题,在优化光照影响与随机噪声的角度下,本文改进了一种使用r PPG的人脸活体检测方法。首先利用人脸区域与背景区域r PPG信号的相关性原理,通过颜色空间融合构建优化光照影响的颜色空间,用于提取人脸颜色特征;之后引入循环神经网络对提取到的颜色特征序列进行处理,利用网络全连接层后的傅立叶变换层,进行傅立叶变换,从而得到人脸区域的频域信息,进一步减少外界噪声对检测结果的影响;最后,在人脸活体检测数据集上进行实验验证。通过与当前多种相关算法进行实验对比,结果表明,本文改进的方法在多维度测试中准确率差值为0.019,在跨数据集测试中准确率为0.844。2.针对如何设置合适的r PPG类方法检测时间的问题,本文分析了使用r PPG的人脸活体检测方法的检测时间与检测准确率之间的关系,对使用r PPG的人脸活体检测方法的检测时间给出了建议。首先,本文分析了r PPG方法在检测时间方面存在的问题;其次,介绍了r PPG方法检测时间的研究过程,通过控制输入视频的序列长度,逐秒对r PPG方法的性能进行分析,得出了获取到具有判定效力的r PPG信号的时间点,对使用r PPG的人脸活体检测方法的检测时间给出了建议（7秒）。