随着生物识别技术的发展,生物特征识别系统已经被应用到人类生活的几乎所有领域。人脸识别因为其用户友好性和非侵入性,成为了应用最广泛的生物特征识别技术之一。然而,目前的人脸识别系统很容易遭受欺骗攻击。攻击者可以利用任何合法用户的人脸照片欺骗系统。活体人脸检测是一种鉴别人脸采集设备检测到的人脸图像是否为活体的技术,是提高人脸识别系统安全性的有效手段。活体人脸检测的研究可以大致分为两类。一类处理的是欺骗系统的介质。根据三维物体与二维平面图像产生的光流或纹理的不同,这类方法能够区分活体人脸和照片人脸。另一类利用活体的特征。这些方法通过识别活体人脸特定部位的自发性的生理运动进行活体检测。本课题重点研究人脸区域内最具活体特征的人眼区域,通过对活体人眼序列和照片人眼序列的分析进行活体人脸检测。提出了一种基于隐马尔可夫模型的活体人脸检测方法。分别训练出活体人眼序列和照片人眼序列的隐马尔可夫模型。根据被检测的人眼序列与不同隐马尔可夫模型的似然程度,可以确定被检测的人眼图像序列是否来自活体。设计了一种基于人眼序列低秩分析的活体人脸检测方法。由于活体人眼序列的变化比照片人眼序列的变化更为丰富,本课题设计的方法能够通过分析图像矩阵区分活体人眼图像序列和照片人眼图像序列。本课题的主要贡献在于提出了一种新的活体分类依据,通过模型建立和一系列理论推导完整地阐述了该依据的产生过程。在相关实验数据集上的实验结果显示,该分类依据能有效性地用于活体人脸检测。