摘要: 随着科技的进步，越来越多的移动设备都配备了前置摄像头，同时由于人脸特征采集简便，使用简便，人脸特征在人们日常生活中的应用越来越广泛，包括人脸解锁、刷脸支付等。但是由于人脸图片易于获得，甚至可以使用从互联网上下载图片对人脸识别系统进... 展开 随着科技的进步，越来越多的移动设备都配备了前置摄像头，同时由于人脸特征采集简便，使用简便，人脸特征在人们日常生活中的应用越来越广泛，包括人脸解锁、刷脸支付等。但是由于人脸图片易于获得，甚至可以使用从互联网上下载图片对人脸识别系统进行欺骗攻击，因此就有必要增强人脸识别系统的安全性，增加人脸活体检测功能。 本文重点研究了基于纹理特征和基于深度学习的方式进行人脸活体检测，主要内容如下： （1）为了论证人脸活体检测的必要性，设计关于人脸解锁和刷脸支付的调查问卷，从数据分析角度出发，对调查对象的风险度量进行描述性统计分析，侧面论证了人脸活体检测的必要性。 （2）本文提出一种基于纹理特征的人脸活体检测方法。首先读取图片，并转换成灰度图，调整图像大小为128x128，其次使用局部二值模式(LBP)、Haralick纹理特征、RGB颜色直方图提取图像纹理特征，使用主成分分析对局部二值模式提取后的特征进行降维处理，最后进行特征融合，送入分类器，构建模型，ROC曲线显示提出的算法在NUAA、Replay-Attack人脸欺骗数据库分类效果极好。 （3）本文提出一种结合传统纹理特征局部二值模式(LBP)、方向梯度直方图(HOG)和卷积神经网络的模型，将0.6*LBP+0.4*HOG的特征送入卷积神经网络进行学习，实验证明在NUAA人脸欺骗数据库分类准确率较高。 收起