为了保护人脸识别的安全,防止不法份子伪造他人身份信息通过人脸识别系统,人脸欺骗检测技术逐渐受到了人们的关注。目前大多数欺骗检测算法着重于分析人脸图像的明度信息而忽略了图像的色度信息,以致于在不同应用环境下的正确率较低并且稳定性较差。而真实人脸图像与二次成像的仿冒人脸图像在颜色分布上是有差异的,因此我们可以通过分析图像色度信息来区分是否为真实人脸。在实际应用中,人脸欺骗检测是在开放环境下进行的,这导致了系统会面对一些未知情况和未知攻击环境。为了提高模型的泛化性,我们进行了跨数据集实验。在进行跨数据集实验时,由于不同数据集图像的拍摄地点和设备的不同,导致现有方法错误率偏高。研究表明,在各种外部因素中,光照对欺骗检测的影响是最大的。因此,本文考虑从光照处理方面着手去除光照因素对于人脸欺骗检测的影响,降低跨数据集人脸欺骗检测的错误率。针对上述问题,本文给出相应解决方法并取得了如下成果:1.研究了一种基于颜色空间特征融合的人脸欺骗检测方法,通过将RGB图像转换到HSV与YCb Cr颜色空间,提取各个颜色通道上的局部二值模式特征和颜色矩特征来描述真实人脸与假冒人脸间的纹理和色度差异,将两种特征相融合放入支持向量机得出判别结果。本文设计多组对照实验来验证该方法的合理性,并在公开数据集上取得较高的正确率。相对于现有方法,在保持较低特征维度的基础上具有更稳定的分类结果。2.研究了一种基于光照分析的人脸欺骗检测方法,通过去除图像中的光照成分判别不同光照环境下的真实人脸与假冒人脸。分别采用对数变换,伽马校正,直方图均衡化等光照预处理技术以及提取光照不变量的Retinex算法来消除光照对欺骗检测的影响。分别在两个常用数据集上进行实验并与其他方法对比,实验结果表明该方法在跨数据集实验中可以取得良好的结果。