近年来,随着人脸识别技术的突飞猛进及其各种实际商业应用的出现,人们的日常生活越来越多地接触到、甚至依赖于这一技术。然而,由于人脸这一生物特征识别模态天生就具有容易被泄露、被伪造和被攻击的特点,人脸识别在提供人们诸多便利性和科技感的同时,其安全性也逐渐的暴露出来。因此,设计具有防止伪造人脸攻击的人脸识别系统(即人脸反欺骗研究)就变得非常重要,成为了人脸识别信息安全的一个重要研究课题。目前的人脸反欺骗研究已取得了一些进展,出现了许多优秀的方法和算法。但是面对日益增强的新攻击手段,这些方法要么性能无法满足需求,要么根本无法适用。因此研究新的人脸反欺骗方法来应对新的欺骗手段显得十分必要。本文结合红外线成像手段和深度学习理论,在人脸反欺骗领域尝试性地做了一些探索性工作,具体包括以下几个方面:(1)总结以往的人脸反欺骗方法,探究人脸反欺骗中存在的问题。本文首先对现有的人脸反欺骗方法进行文献回顾,总结出了目前人脸反欺骗研究中普遍存在的问题:一是现有的人脸反欺骗方法通常建立在可见光场景下,使用照片和视频播放进行攻击。而在可见光下,真实的人脸与伪造的人脸差别很小,尤其是近些年来随着高分辨率相机、高分辨率打印机、高清电子屏幕和3D打印机的普及,这导致真实人脸和伪造人脸相差无几,很难区分;二是方法的通用能力不足,多数人脸反欺骗方法在应对某特定的欺骗手段(如照片欺骗)时会有很好的效果,但是一旦欺骗手段改变(如视频欺骗),该反欺骗方法就会性能显著下降甚至无法工作;三是人脸反欺骗算法的泛化能力普遍比较差。在不同时间、不同相机、不同光照环境采集的数据具有较大差别,导致了在一个数据库下训练得到的系统,在另一个数据库进行测试时,得到的结果会变差。(2)在分析了现有人脸反欺骗方法存在的缺陷之后,本文提出了使用红外线波段进行人脸反欺骗研究。本文提出使用近红外线波段和深度学习相结合的方法对人脸反欺骗进行研究,充分利用近红外线的特性,即真实的人脸和伪造人脸通过近红外线相机采集会有较大差别。本文首先根据现有的人脸近红外线数据采集了伪造的人脸数据,建成了我们实验用的近红外线人脸反欺骗数据库。随后在单库的实验中取得了良好的效果,在进行泛化实验中也取得了好的结果,而使用的深度学习中的卷积神经网络方法也要优于本文中列举的两个传统方法。(3)研究在长波红外线波段进行人脸反欺骗的可行性。在研究了近红外线人脸反欺骗之后,我们更进一步的在长波红外线波段进行了人脸反欺骗研究。人脸由于血管的分布和血液循环的作用,温度分布信息十分丰富,通过长波红外线成像仪采集的真实人脸与采集的照片人脸、视频人脸和3D打印人脸具有较大区别,可以轻松的进行区别;因此我们通过将人脸置于照片之后和将人脸贴于照片之后的方法进行欺骗,进行了长波红外人脸反欺骗研究的初步实验。实验结果证明,本论文提出的红外线波段进行人脸反欺骗是可行的。在近红外波段对常见的人脸攻击手段进行反欺骗,其效果优于传统可见光方式,也超过其他传统算法,且泛化能力更强;在长波红外线波段进行人脸反欺骗的实验结果符合我们的预期,在面对目前常用的人脸欺骗手段,区分能力可以达到百分之百。但是在实验中提到的面对更加真实的人脸硅胶面具欺骗和化妆欺骗的方法,还需要进一步的研究。