1.一种防视频、照片欺骗的人脸活体检测方法，其特征在于，包括以下步骤：

1)对摄像设备获得的视频帧进行人脸检测，以划分出人脸区域和背景区域，在背景区域中选出左、右、上三个背景对比区域L、R、U；

2)计算各对比区域的稠密光流场VL、VR、VU，以表达视频帧中背景区域的运动现象；

3)当VR>0或VL>0或VU>0时，则判定背景区域存在运动现象，检测是否存在两个及两个以上发生运动的背景对比区域；

4)统计发生运动的各背景对比区域的光流方向角直方图HL、HR、HU；

5)利用直方图相交法计算背景对比区域的光流方向角直方图的相似性，当计算得到的结果大于等于预设相似性值时，则背景对比区域出现一致性抖动现象，即判定为出现手持人脸视频攻击；

6)将步骤1)中采集到的人脸区域图像转化为灰度图，并归一化至128*128像素大小；

7)计算人脸区域图像的梯度方向直方图HOG特征；

8)将归一化的人脸图像分为四等分，分别提取各子图局部二值模式的等价模式，统计等价模式的LBP直方图特征，将各子图的LBP特征串联成整张人脸的LBP特征向量；

9)将步骤7)得到的人脸区域图像的梯度方向直方图特征与步骤8)得到的整张人脸的LBP特征向量相组合作为最终人脸活体检测的特征向量，再利用所述最终人脸活体检测的特征向量训练SVM活体与非活体分类器，然后利用训练后的SVM活体与非活体分类器实现人脸活体检测，以抵御人脸视频攻击。

2.根据权利要求1所述的防视频、照片欺骗的人脸活体检测方法，其特征在于，步骤1)的具体操作为：

1a)对摄像设备获得的视频帧进行人脸检测，以获取到的人脸区域高度H和宽度W为基准，分别向人脸左边、右边和上部区域扩展，其中，将人脸右区域扩展一个人脸的宽度W，将人脸左区域扩展一个人脸的宽度W，以排除肩部对背景的干扰，将人脸下部区域向上扩展一个人脸的高度H，以排除头发对背景的干扰；

1b)根据1a)的扩展结果，参考人脸区域的位置划分扩展背景，以形成背景对比矩形区域；

1c)将所有背景对比区域中高度、宽度的最小值作为归一化背景对比矩形区域的尺度，得大小统一的各背景对比区域。

3.根据权利要求1所述的防视频、照片欺骗的人脸活体检测方法，其特征在于，步骤2)的具体操作为：

根据稠密光流场定义，按照式(1)计算各背景对比区域中所有像素的光流矢量v及光流方向角θ，其中，

T ‑1

v＝[x,y]，θ＝tan (y/x)   (1)其中，x为水平方向的光流幅值，y为垂直方向的光流幅值；

构建如下式所示的背景对比区域的稠密光流场：VR＝[v1,v2,...,vm]；VL＝[v1,v2,...,vn]；VU＝[v1,v2,...,vp]ΦR＝[θ1,θ2,...,θm]；ΦL＝[θ1,θ2,...,θn]；ΦU＝[θ1,θ2,...,θp]其中，ΦR、ΦL、ΦU分别为背景对比区域R、L、U的光流方向角矢量。

4.根据权利要求1所述的防视频、照片欺骗的人脸活体检测方法，其特征在于，步骤4)的具体操作为：

4a)设光流方向角θ的像素分布直方图由B＝360个bin构成，当θ值在范围时，则对应于像素分布直方图的第b个bin，其中，0≤θ<360°，1≤b≤B；

4b)分别统计各背景对比区域的光流方向角直方图HL、HR、HU。

5.根据权利要求1所述的防视频、照片欺骗的人脸活体检测方法，其特征在于，步骤5)的具体操作为：

5a)设两个背景对比区域的光流方向角直方图的相似性通过直方图相交值衡量，其中，直方图相交值d(H1,H2)的表达式为：

5b)分别计算两两组合背景对比区域的光流角直方图相似性d(HL,HR)、d(HL,HU)、d(HU,HR)；

5c)当步骤5b)计算得到的结果d(HL,HR)、d(HL,HU)、d(HU,HR)中任意一个大于等于70％时，则说明对应两个背景对比区域的相关性较强，即所述两个背景对比区域发生了一致性的抖动现象，则判定出现手持人脸视频欺骗。

6.根据权利要求5所述的防视频、照片欺骗的人脸活体检测方法，其特征在于，步骤7)的具体操作为：

7a)将人脸图像区域划分成大小相等的4个子图，其中，人脸图像中的眼睛、鼻子及嘴巴分布于不同的子图中；

7b)采用Sobel算子计算子图I(x,y)中各像素的梯度G(x,y)及梯度方向角α(x,y)，其中，

其中，Gx(x,y)＝I(x+1,y)‑I(x‑1,y)，Gy(x,y)＝I(x,y+1)‑I(x,y‑1)；

7c)将0°～360°的梯度方向角等分为18个bin，每个bin包含20度，得各bin的取值区间为(0°～20°)、(21°～40°)、……、(341°～360°)；根据每个像素点的梯度方向θ所属bin区间，将该像素点的梯度幅值累加到相应的直方图bin中，得人脸子图的18维梯度方向直方图；

7d)将各人脸子图的18维梯度方向直方图串联，得整张人脸图像的HOG特征向量H′，再对整张人脸图像的HOG特征进行归一化处理，得最终的人脸图像HOG特征Hnorm。

7.根据权利要求6所述的防视频、照片欺骗的人脸活体检测方法，其特征在于，步骤7d)中最终的人脸图像HOG特征Hnorm为：其中，ε为常值。

8.根据权利要求1所述的防视频、照片欺骗的人脸活体检测方法，其特征在于，步骤8)的具体操作为：

8a)将归一化的人脸图像划分成大小相等的4个子图，使人脸图像中的眼睛、鼻子及嘴巴分布于不同的子图中；

8b)计算各子图的等价模式LBP特征；

8c)统计各子图的等价模式LBP直方图；

8d)串联各人脸子图的等价模式LBP直方图，得整张人脸图像的等价模式LBP直方图特征。

9.根据权利要求8所述的防视频、照片欺骗的人脸活体检测方法，其特征在于，步骤8b)中各子图的LBP特征LBP(xc,yc)为：其中，(xc,yc)为LBP计算区域的中心点，ic表示该中心点的灰度值，ip为周围像素点的灰度值，s(x)为周围区域符号函数，其中，s(x)的表达式为：将LBP特征值所对应的二进制数视为从0到1或者从1到0的跳变模式，则等价模式LBP的二进制最多有两次跳变，将LBP的二进制数值换算成十进制，得1‑58范围内的等价模式LBP编码值。