近年来，随着计算机识别技术不断地发展，生物识别验证被广泛应用在了社会生活环境下的各种场景中。目前广泛应用的生物识别验证技术主要有人脸识别、指纹识别与虹膜识别等。其中，人脸识别验证技术应用最为广泛，当前已经应用在日常生活中的大部分领域，这也导致了人脸识别技术遭受到伪造人脸攻击的风险大大增加。最常见的攻击手段就是使用照片或播放视频对人脸识别系统进行攻击，一旦系统被攻击成功，就会导致相应的安全问题。因此，活体检测领域研究正逐渐成为热门。本文针对单摄像头静默人脸识别中的活体检测方法进行研究并将研究成果应用到了嵌入式系统中。
　　首先提出一种基于图像纹理特征融合的活体检测方法。针对传统单一纹理特征提取的局限性，本文采用三种不同特征提取方法研究真实人脸与照片人脸在相同特征上存在的差异性，在此基础上提出一种特征融合的方法对三种不同的特征进行融合，并对融合后高维的特征向量进行降维处理。使用公开的人脸活体数据库进行训练与测试，结果表明特征纹理融合算法相比单一纹理提取算法在识别的准确度上有所提高。
　　然后提出一种基于改进卷积神经网络的活体检测方法。分析现有卷积神经网络模型并针对其参数量过多的问题进行改进，同时将输入的人脸图像进行了区域扩展使其包含一定的背景信息来增强网络的识别性。网络的训练和验证使用了公开的数据集，结果表明改进的卷积神经网络相比对比的神经网络在分类识别的准确性上有所提升。
　　最后，设计并实现了基于i.MX6Q和Linux的嵌入式人脸识别活体检测系统，在实践中验证了本文提出的算法的正确性。