随着提取与识别生物特征信息技术的发展,基于人脸识别方面的诸多技术也得到了广泛的应用。但也随着人脸识别技术的普及,各种针对该技术的攻击行为也在不断发展,从而给身份认证系统尤其是人脸识别技术的发展带来了挑战。因此,发展一种能够抵抗这种伪造攻击行为的技术是当前信息安全领域的热门研究方向。其中,将活体人脸认证技术应用在人脸识别领域是具有十分重要的实用效果。本文对当前的活体检测技术进行了简要的介绍与分析,并且对于眼球跟踪技术进行了叙述。针对基于眼球跟踪的活体检测,阐述了眼球跟踪对于区分检测活体人脸和照片伪造人脸的判定机制,并且对于眼球跟踪中的眼球中心点定位算法进行了改进,分析了其检测定位所用的时间和在不同光照条件下的鲁棒性。另外,对基于SIFT的人脸识别技术进行了介绍。最后,分别搭建了一个检测活体人脸系统和识别人脸的系统,实现了集活体检测和人脸识别于一体的集成系统。针对眼球中心点定位中效率低的问题,本文给出了一种基于区域投影和重心法结合的方式对眼球中心点进行定位。对于人眼检测方面,对图像先进行人脸检测以提高人眼检测的正确率,减少图像噪声的影响;在进行中心点定位时,先运用区域投影的方式进行初步定位,之后对初步定位点及周边区域使用重心法进行精确定位。利用这种方法与单纯地使用重心法或区域增强法进行了对比,均用10张人物正脸图像,每一张图像在每一种方法上运行10次,得出的运行时间都要比其他两种方法快,例如其中一张人物图像,利用本方法的检测时间为1.546秒,而使用重心法和区域增强法的检测时间分别为1.706秒和1.681秒。另外,在不同的光照条件下,该方法依然能够正确的进行检测,具有很好的鲁棒性。针对如何利用眼球移动来判定活体的情况,本文给出了一种基于相对位移的判定方法。以检测出的人脸图像中心点为参照点,判定两眼的中心点相对于参照点的相对距离。若移动前后相对距离的差值在设置阈值的范围之内,则系统认为镜头前是活体人脸;否则,系统认为镜头前的是伪造的照片人脸。同时,针对这种方法的检测效果进行了相应的实验,实验样本均为100,其伪造的照片人脸通过检测的效率为1%,活体人脸通过检测的效率为100%,说明该种方法在一定程度上是可行的。本文中设计的系统运用了VS和OpenCV框架,从而构建了活体人脸检测系统和人脸识别系统。该集成系统主要分为活体人脸判定和识别两个大的模块,其中还包含对静态图像的眼球中心点定位和人脸面部以及五官的检测等功能。本文对系统的各个功能应用模块均进行了实体测试,效果良好。