当前,随着人脸识别相关产品的不断推出和广泛应用,人脸识别系统的安全问题越来越引起人们的关注。传统的人脸识别系统中,对真实人脸和欺骗人脸难以准确区分,一些非法分子正是利用该漏洞对人脸认证系统进行欺骗攻击,如采用照片或视频录像等手段假冒他人身份牟利等,使人脸识别系统成为易受攻击的对象。因此,在人脸识别系统中加强活体检测功能显得非常必要,对确保整个系统安全具有十分重要意义。本文在分析国内外各类人脸活体检测方法的基础上,针对纹理特征和深度信息两个重要方面,对人脸活体检测技术展开研究,旨在探寻一种安全可靠的人脸活体检测方法。本文主要工作和创新点如下:1.基于纹理特征提出了一种利用组合不同颜色模型进行人脸活体检测的方法,即YLH-LBPCM（YCb Cr+Luv+HSV-Local Binary Pattern&Color Moments）方法。该方法通过分析不同颜色模型下的纹理特征信息差异,首先将实验人脸图像转换到三种有利于区分真实人脸与欺骗人脸的颜色模型,然后对各颜色模型进行组合提取特征再决策分类,最后在两个公开的人脸活体检测数据集上进行验证。实验结果表明,该方法优于其他文献参考算法。2.研究了深度数据处理相关技术,基于深度信息提出了人脸深度值拟合平面法进行活体检测。该方法针对真实人脸与欺骗攻击人脸的成像差异,从原始深度数据出发,通过求解离散数据点是否能够拟合为平面而达到检测活体的目的。在本文方法设计实现中,通过分组优化,实现性能提升,实验表明该方法准确率高,计算简单,移植性好。同时,将原始深度数据可视化成灰度图后,利用卷积神经网络训练的方法,设计了一个基于深度信息的活体检测网络。实验证明该网络相比参考方法,在基本性能保持一致的情况下,计算量小,具有一定的竞争性。最后对两种方法进行了比较分析。3.设计了一套融合纹理特征和深度信息的人脸活体检测系统。通过分析纹理特征和深度信息各自的优缺点,融合两种技术的优点,基于kinect相机设计了一套多模态活体检测系统,检测防范能力得到加强。本文提出的人脸活体检测方法,可以嵌入在人脸识别系统模块中,能够有效增强人脸识别系统的可靠性和安全性,同时对研究多模态的人脸活体检测也具有重要的意义。