由于人脸识别技术的快速发展,该项技术被逐渐应用于身份认证系统中。但是人们的人脸照片、人脸视频越来越容易被获取,并且质量也越来越高,因此出现了使用包含合法用户人脸的照片、视频攻击人脸身份认证系统的问题。对于人脸的各类伪造方式给这类系统的安全性带来了极大的挑战。因此,在人脸身份认证系统中进行人脸活体检测具有重要意义。由于真实人脸与人脸照片是存在不同的。真实人脸是立体的,但是人脸照片是平面的;人脸照片在拍摄、打印过程中会丢失很多细节信息,例如人脸五官、轮廓边缘会比真实人脸平滑;真实人脸与人脸照片材质不同,对于光线的反射有一定的区别。由于这些不同,因此真实人脸和人脸照片经过拍摄得到的人脸图像也是不同的。针对人脸照片伪造攻击方式,本文使用了基于非线性扩散和卷积神经网络的人脸活体检测方法,这是一种实时的、非入侵式的人脸图像活体检测方法,该方法能够有效判断人脸图像是拍摄自真实人脸还是人脸照片。本文首先利用基于加性算子分裂算法的非线性扩散技术对人脸图像进行了处理,然后利用处理后的图像计算得到扩散速度图;对于真实人脸图像和人脸照片图像对应的扩散速度图,本文使用了卷积神经网络这一深度学习方式,通过大量的训练数据学习到高层次的、具有判别性的特征表示,最终能够对真实人脸图像和人脸照片图像对应的扩散速度图正确分类,实现人脸活体检测的目的。本文在NUAA人脸伪造攻击数据集上进行了大量实验,达到了97.8%的准确率,证明了基于非线性扩散和卷积神经网络的人脸图像活体检测方法的有效性。