随着智能网联汽车技术的快速发展,智能汽车将会越来越多地进入我们的社会,并逐渐成为市场主流。同时,随着汽车的智能网联程度越来越高,汽车的安全防盗和解锁也成为智能汽车的主要研究方向之一。利用智能网联平台,在实车环境下应用人脸识别技术可以实现车辆便利解锁,同时可以解决用钥匙解锁带来的一系列安全隐患。由于人脸识别的准确性直接关系到身份识别的结果,因此人脸识别的研究在车辆安全领域显得尤为重要。目前性能较好的人脸识别算法模型结构较复杂,通过加深网络层数实现高准确度的识别。通过这种方式,尽管神经网络可以实现高精度识别,但上述算法受车载计算机设备性能的限制,难以在汽车上实际应用。为解决上述问题,本论文采用轻量化卷积神经网络实现实车环境下的人脸识别解锁。具体研究内容如下:（1）基于实际车辆解锁应用场景,通过安装在车辆AB柱和车内仪表盘等位置的摄像头,采集乘员进入汽车及使用汽车过程中的人脸图像。本文设计轻量化人脸识别模型,在模型中加入注意力机制,并且在卷积过程引入分组卷积和通道混洗,进一步减少模型参数量。实验结果表明,本研究的改进有助于提高车辆解锁场景下的人脸识别的准确率,加快检测速度。（2）针对实际车辆解锁应用需求,为满足算法在不同的背景干扰下稳定可靠地比对人脸身份,本文对算法人脸特征判定比对环节进行改进,在最终比对人脸身份的阈值上,将各个阈值点所对应的准确率分布看作是一个正态分布问题,根据95%的置信度,拟合出该正态分布模型的解析式,选取普适性好的最大准确率,并以其对应的阈值作为人脸识别任务适用的判定阈值。实验证明,改进后的判定方法在光照有限增加识别时间的情况下,能够有效提高判定任务的正确率,可以胜任实车人脸解锁任务。（3）结合本论文提出的人脸识别算法,设计一套专门应用于车辆解锁场景的人脸识别系统,并通过实车环境下的实验,验证该系统在车载条件下的应用。实验结果证明,本论文提出的算法具有良好的人脸识别精度和速度,鲁棒性好,能够在保证安全准确的前提下快速完成识别比对任务,有效满足车辆解锁的应用要求。