黄 俊，张娜娜，章 惠

（1.上海海洋大学信息学院，上海 201306；2.上海建桥学院信息技术学院，上海 201306）

（*通信作者电子邮箱nanazhang2004@163.com）

0 引言

随着科技的发展，人工智能技术已经走进人们的生活中，其中，以人脸识别［1］技术最具代表性，因其安全性高、稳定性强等优点而被广泛应用于手机解锁、金融支付、考勤签到等领域。但是，人脸识别技术并不是绝对安全的，由于人们社交生活的大众化，人们的面部图像可以很容易地被不法分子获得并加以利用［2］，不法分子通过屏幕翻拍、照片、3 维模型［3］等方式就可对人脸识别系统进行攻击，这对用户的利益造成了极大的危害。为了解决这一问题，人脸活体检测［4］技术应运而生。活体检测是一种用于区分生物特征和非生物特征的技术，近年来，已有不少科研人员在活体检测方面取得了不错的研究成果。

Singh 等［5］设计了一个互动式活体检测系统，作者计算眼部区域的面积和牙齿的HSV（Hue，Saturation，Value）值来检测眼睛和嘴巴的张合状态，以此来进行活体判断。田野等［6］从提取到的人脸图像中计算出局部二值模式（Local Binary Pattern，LBP），结合离散余弦变换（Discrete Cosine Transform，DCT）获 得LBP-MDCT（Local Binary Pattern on Multi-scale Discrete Cosine Transform）算子，并将其放进支持向量机（Support Vector Machine，SVM）［7］中实现活体分类。胡斐等［8］利用LK（Lucas-Kanade）光流法对图像进行剪切波变换［9］，将提取的特征放入卷积神经网络（Convolutional Neural Network，CNN）中进行微调，从而实现活体分类。

上述提到的方法在前期的数据处理过程中存在着计算量大、特征维数高、特征信息提取困难等问题，本文针对这种不足，利用CNN 自动提取特征的能力，提出了一种……