社会的发展赋予了个人身份认证更重要的意义,而人脸信息作为每个人都一定会携带的特征,具有自然性和不被被测个体察觉的特点,人脸识别也因此成为了计算机视觉领域的研究热点,并在安保、金融、教育、电子政务等领域具有广泛应用。深度学习,特别是卷积神经网络在人脸识别技术的研究中已经展现了巨大的优势。但由于人脸识别在实际应用中会受到光照、遮挡、表情变化、人脸老化等变化因素影响,技术上还存在很大的改进空间。因此本文选取了人证比对这一特定的人脸识别应用场景,重点研究针对该应用场景的人脸识别算法的设计,在保证算法准确率的同时兼顾算法的性能。本文主要内容包括:(1)本文先对人脸识别和深度学习的相关知识进行了介绍,接着进一步阐述了卷积神经网络相对于传统神经网络的结构特性,包括局部连接和权值共享的网络设计特点,以及卷积层池化层等结构组成部分的功能作用。然后对典型的卷积神经网络模型进行了特点介绍和分析比较。(2)本文对人脸识别流程中的各个部分,进行了有针对性的设计和分析。人证比对场景中一个较大的干扰因素是光照及所处环境的差异,本文首先对人脸检测算法和不同的图像预处理方法进行了实验对比和分析,采取具有针对性的人脸检测和图像预处理方案,得到了对光照阴影等具有较强鲁棒性的模型。(3)通过合理的调整典型卷积神经网络模型ResNet的层次深度和结构,并结合使用不同的损失函数,本文设计了一种新的网络模型结构。经过一系列的实验分析和比较,本文设计的模型结构在模型的准确率及模型大小,训练时长等方面都有不错的表现。(4)为了得到更适用于国内人脸识别应用场景的模型,本文还制作了一个自建亚洲人脸数据集和自建亚洲人脸测试集。基于本文设计的网络模型和训练数据,最终获得了在实际应用场景中更高的分类准确率。实验证明基于本文制作的亚洲人脸数据集训练的模型在测试亚洲人脸上具有明显的优势,同时在人证比对的应用场景中也具有更好的表现。(5)最后,本文基于上述算法模型设计并实现了一个功能完善的人证比对系统。本文对系统中各功能模块和重要流程进行了详细介绍和说明,该系统在使用中验证了本文算法的优势,达到了在真实场景中人证比对的应用要求。