随着社会的不断进步及科技的快速发展,人们对于快速有效的自动身份验证和查询系统的需求变得越来越大。但目前,很多银行、机场还是通过工作人员主观的判断一个人是否为身份证持有者,这种方法的效率及准确率都不尽人意。因此,利用人脸识别技术进行人证比对已经成为计算机视觉领域的研究重点,也为军事安全、公共安全和金融领域等方面提供保障及支持。传统的人脸识别技术不仅需要手工对特征进行标记训练分类器,而且识别准确率无法达到实际要求。采用深度学习的方法已经成为人脸识别的主流算法。将数据进行简单预处理后,输入至卷积神经网络,提取人脸图像不同区域的不同统计特征,根据特征判别是否为同一人。深度学习的方法将大幅提升人脸识别的准确率,但是对于硬件要求较高,并且识别效率偏低,对满足机场环境实时性要求有一定差距。为此,本文设计一种基于卷积神经网络的人脸识别算法,增强鲁棒性,提高效率。在人脸识别方面,合理的对VGG-16网络进行改进,优化网络结构及参数,使其快速稳定的达到收敛,降低对硬件设备的要求,并结合实际场景实时性的要求,在保证准确率的同时,提高效率。本文,将上述模型应用在机场安检场景中,采用C/S架构,完成本机数据的交互功能。通过客户端传来的信息,实现二代身份证照片与摄像头采集图像实时比对功能,并添加后台系统数据上传模块,完成黑名单比对功能。扫在前后端软件架构及算法优化后,此系统运行稳定,可保证在机场长时间运行。根据统计分析得出:识别准确率可达96.7%,完整运行时间不超过2秒,充分证明本文所设计的基于人脸识别技术的人证合一系统可满足实际应用中对准确性、稳定性、实时性的要求。