近年来,人脸识别技术取得了突飞猛进的发展,在应对姿态,光照和表情变化时有了更高的稳定性。这也促使越来越多的场合使用人脸识别技术进行身份认证。然而,人脸识别系统只能对采集图像中的人脸进行辨认,却无法识别采集的人脸图像是来自摄像头前的真人还是一张照片。因此,识别系统极易受到各种蓄意的攻击。而这些攻击一旦成功,带来的后果与损失可能会极其严重。为了解决该问题,人脸防伪技术,亦称为人脸活体检测技术应运而生。该技术旨在辨别人脸识别系统采集的人脸图像是来自于真人还是一张伪造的人脸图像。将其与识别系统相结合,便可得到更加安全可靠的人脸识别性能,而这也正是实际应用中迫切需要的功能。本文作者通过阅读大量文献,并对比分析真人脸和假人脸的主要区别,提出了多种针对不同攻击形式的人脸活体检测方法,并进一步提出了一种能够与人脸识别系统整合的特定人活体检测方法。具体地,本文的主要研究内容包括以下四部分：1.基于微纹理的活体检测：一般地,伪造人脸图像需要更多的加工过程。在这一过程中,细节损失是较为常见的。基于这一观察,本文提出了一种部件相关特征描述子用于活体检测。首先,人脸不同区域的特征根据不同的码书进行编码。随后,基于费舍尔准则(Fisher Criterion)将编码后的码字进行加权池化。该方法有效地考虑了不同人脸区域对活体检测判别能力的差异,增强区分能力较强的人脸区域,抑制区分能力较弱的区域。从针对三个公开数据库的实验结果来看,该方法取得了最好的活体检测性能；2.基于三维结构的活体检测：该方法基于打印在纸张上的假人脸无法复现与真人脸一样的三维结构。通过恢复视频中人脸三维结构便可以有效地辨别来自人脸照片的攻击。然而,恢复出稠密的三维结构是非常耗时的。因此,本文提出了一种基于人脸关键点的稀疏重建方法来恢复人脸的结构。该方法能够有效地处理打印照片对人脸识别系统的攻击。在本文自行采集的一个数据库上,该方法取得了完美的识别效果；3.基于运动一致性的活体检测：对于微纹理和三维结构不明显的攻击形式,如攻击者将一张人脸照片显示在高分辨率的显示器上,且基本保持不动,上述两种活体检测方法的性能会大打折扣。除了纹理信息和运动信息可以用来进行活体检测,人脸和背景区域的运动一致性也是进行活体检测的重要线索。一般地,假人脸视频中人脸区域和周边的非人脸区域必然会存在一定程度的运动一致性。相反,在真人脸视频中,这种运动一致性会非常弱甚至不存在。基于这一观察,本文提出了一种基于前背景运动一致性的活体检测方法。该方法在应对如前所述的攻击方式时取得了非常好的效果;4.特定人活体检测方法：在前人的方法中,.活体检测一般是使用一个基于所有人的训练样本训练得到的通用分类器完成。然而,这类方法存在一个明显的缺陷,即正样本和负样本的类内差异较大,很难训练出一个对所有人都具有较好识别能力的活体检测器。此外,每次有新的用户注册到人脸识别系统中时,需要使用所有的注册样本重新训练一个活体检测器,这样训练的代价是非常之大的。因此,本文提出了一种特定人活体检测方法。该方法先对人脸进行识别,而后根据识别结果使用特定的活体检测器进行活体检测。考虑到实际系统很难获得所有人的假人脸样本用于训练特定人活体检测器,本文还提出了一种新颖的特征合成方法,用来合成训练特定人活体检测器所需要的假人脸样本。基于特征合成算法,特定人的活体检测方法相比传统的活体检测算法在性能上有了很大的提升。