近年来,许多大型机场、火车站等交通枢纽的安检区域都开始尝试应用人脸识别技术,从而提高了人们出行的安全性,但是,由于人脸表情多变、光照条件差异以及遮挡等因素,识别的准确率将会受到一定的影响。针对以上问题,本文对安检过程中的人脸识别相关技术进行了研究,具体研究内容如下:(1)自建了人脸图像数据集。使用汉王E拍仪和台式居民身份证阅读机进行图像采集,获取到人脸图像和身份证上的图像,建立了人证图像数据集,该数据集包含342张人脸图像(共171人,每人2张)。此外,在网上下载了大量名人图片,建立了名人图像数据集,该数据集共包含6204张人脸图像。(2)设计了一种卷积神经网络识别模型。该模型主要是以letNet-5模型结构为基础,采用一个输入层、两个卷积层、两个池化层、两个全连接层以及一个输出层。这里,输出层是通过softmax分类器,得到输入图像对应的各个类别标签的概率,从而进行分类;分别采用relu函数与交叉熵函数作为该模型的激活函数和损失函数;此外,为防止模型训练出现过拟合现象,模型加入了dropout层。实验结果表明,采用卷积神经网络模型进行1:1和1:N识别,都可以获得较好的识别效果。(3)实现了多开源接口调用。采用Python语言进行编程,分别调用百度接口、Face++接口以及Dlib模型接口,对名人图片和人证图像的数据集进行了对比测试。实验结果表明,相较于百度接口与Dlib模型接口,Face++人脸对比接口可以获得更好的识别效果,其中,名人图片对比的正确率达到了97.44%,人证图像对比的准确率达到了87.72%。(4)提出了基于朴素贝叶斯的融合方法。基于朴素贝叶斯理论对多个开源接口人脸对比的结果进行融合,作为最终的对比结果。实验过程中,分别采用人证图像与名人图像进行测试,其在名人图像数据集上的准确率达到了98.72%,在人证图像数据集上的准确率达到了88.89%,该实验结果表明,融合后的人脸对比方法能够取得更好的对比效果。综上,基于朴素贝叶斯的融合方法可以更好地应用在安检过程中。同时,该方法在企业刷脸考勤、窗口业务办理、智能登陆等其他的身份验证场合也具有很大的推广意义与现实应用意义。