生物特征识别系统的使用安全性是人们普遍关注的问题,人们对生物特征识别系统的信心和接受很大程度上取决于系统的鲁棒性、低错误率和抗欺骗能力。因此活体检测是生物特征识别系统中检测和拒绝仿冒身份特征的一项重要功能。在人脸识别系统中有可能面临的所有的欺骗中,通过照片或者视频的方式毫无疑问是最常见的。本文提出了一种实时的、不需要用户任何配合的、使用普通摄像头、无需添加任何额外设备、不改变人脸识别系统原有模块或者流程的、轻量级活体检测方法。本文主要的研究工作和创新点总结如下：1、本文将该问题视为一个两类分类问题。在输入空间中该正、反例样本之间存在着很大的重合度,因此一种合适的表示空间显得尤为重要。2、针对缺少能够有效描述人脸图像活体属性的有效特征,基于Lambertian模型,本文提出了两种策略来抽取真实人脸或者照片人脸不同表面属性的本质特征。3、为了提高检测性能以及降低计算消耗,在稀疏Logistic回归模型的基础上,本文进行两种新的扩展,实现了既快速又准确的欺骗检测性能。4、在相关研究领域缺少BenchMark的情况,本文建立了含有50,000张图片、设计合理、用于验证活体检测方法性能的大型数据库NUAA图片欺骗数据库(NUAA Photograph Imposter Database),并且目前已向全球的研究者开放,可以免费获取。在NUAA图片欺骗数据库上对本文提出的方法进行了验证实验。实验表明本文所提出方法是一种用来解决人脸识别中活体检测问题的有效方法。从而说明,本文对目前主要应用于人脸识别方法中进行光照处理的方法所进行的扩展,是一种有益的尝试,是解决问题的一种新思路；再加上所采用的非线性、双线性判别模型等这些机器学习方法,又有效地解决了传统方法复杂度较高的问题。因此有理由相信,本文中所描述的方法是第一次尝试通过机器学习技术来区分一张图片是来自真实人脸还是照片人脸。在今后的工作中,还将尝试应用更多的表面属性描述符来进一步的提高分类器的性能。