随着计算机视觉算法、图像识别技术的不断发展,人脸识别技术也日益成熟,应用于各种支付、门禁、打卡等场景,然而这些场景易受到伪造人脸的入侵,对人们的财产安全会造成一定威胁,同时随着新冠疫情的爆发,人们被要求在公共场合佩戴口罩,因此口罩人脸识别也是当今社会的一个研究热点,关系着人们的健康安全。活体检测目前存在准确率较低、易受环境影响并且需要用户进行繁琐的动作配合等缺点,而口罩人脸识别技术目前需要用户上传佩戴口罩人脸的样本图片,过程较为繁琐,存在欠样本的问题。本文针对活体检测的难点,提出了基于改进型LBP纹理特征的SVM算法和基于改进型VGG-16神经网络算法;针对口罩人脸识别的问题,提出了批量口罩人脸样本自动生成算法。然后将模型进行压缩,将它们集成于嵌入式系统上,本文的主要工作包括以下四个部分:（1）口罩人脸识别算法的研究。本文针对口罩人脸识别现如今存在欠样本的问题,通过研究基于多级级联回归树的人脸关键点定位算法来对人脸关键点进行定位,并根据定位点来批量自动生成口罩人脸样本。本文通过对比各类人脸相似度计算方法来选取合适的算法来对口罩人脸进行比对,从而实现戴口罩的人脸识别。（2）基于人脸纹理特征的SVM活体检测算法研究。为了使得活体检测算法针对环境变化有鲁棒性,本文选择提取人脸图片的LBP特征作为分类的依据,设计了一种包含异常值检测的基于区域像素中位数的改进型LBP特征,以避免局部噪声点异常像素值对特征的提取造成干扰,再将提取得到的LBP特征矩阵转化为直方图向量,最后基于SVM（支持向量机）对这些特征向量进行训练并保存此基于纹理特征的支持向量机模型。（3）基于卷积神经网络的人脸活体检测算法的研究。传统活体检测需要用户配合摄像头做出动作来进行识别,为实现高精度的静默活体检测,本文通过研究改进型VGG-16神经网络,在网络合适的位置加入了Squeeze-Excitation模块,并融合批量归一化和随机失活层来模拟白化操作进而提高模型泛化性能,然后对模型进行了实验性能分析验证了模型的可靠性,最后完成一系列的模型压缩工作使得模型易于移植到移动端,完成移动端的部署。（4）人脸活体检测及口罩人脸识别系统的实现。为了融合本文提出的两种活体检测算法的优点,本文系统通过捕获多帧图像,并计算两种算法在多帧图像上的识别结果（4）人脸活体检测及口罩人脸识别系统的实现。为了融合本文提出的两种活体检测算法的优点,本文系统通过捕获多帧图像,并计算两种算法在多帧图像上的识别结果的均值,得到最终结果。本文系统最终部署到安卓开发板上,是基于移动端设备的人脸静默活体检测与口罩人脸识别系统。最终,对该系统进行了实际测试,实验结果表明了系统能快速且准确地检测是否为人脸活体并实现口罩人脸识别。