针对身份验证中经常出现的照片欺诈问题，提出了一种基于InceptionV3和特征融合的人脸活体检测模型——InceptionV3_FF。首先，在ImageNet数据集上预训练InceptionV3模型；其次，从InceptionV3模型的不同层得到图像的浅层、中层和深层特征；然后，将不同的特征进行融合得到最终的特征；最后，使用全连接层对特征进行分类，从而实现端到端的训练。InceptionV3_FF模型在NUAA数据集和自制的STAR数据集上进行仿真实验，实验结果表明，InceptionV3_FF模型在NUAA数据集和STAR数据集上分别取得了99.96%和98.85%的准确率，高于InceptionV3迁移学习和迁移微调模型；而与非线性扩散卷积神经网络（ND-CNN）、扩散核（DK）、异构内核卷积神经网络（HK-CNN）等模型相比，InceptionV3_FF模型在NUAA数据集上的准确率更高，具备一定的优越性。InceptionV3_FF模型对数据集中随机抽取的单张图片进行识别时，仅需4 ms。InceptionV3_FF模型和OpenCV结合构成的活体检测系统可以对真假人脸进行识别。
