为了防范和查处招生考试中的替考舞弊行为,进一步保证考试的公平、公正,基于对河南省招生办公室现有的传统身份验证系统的分析,本文提出了基于DCNN的人脸识别技术在考生身份验证中的解决方案,并重点研究了DCNN模型的优化设计和阈值判定两个关键问题。依托真实的高招考试考生数据集,通过对考生数据集的规模和特点以及实际应用的分析,本文根据GoogLe Net的设计思想以及相关的DCNN优化方法,设计了一种更具表达能力且适用的变形网络结构GoogLeNet-D(Deformation),该模型共有34层约8.9M可训练参数,最终输出128维向量作为考生的人脸特征向量。为了评估GoogLe Net-D模型并设定合理的阈值判断考生是否为同一个人,本文鉴于考生数据集中正样本数量远远大于负样本数量的情况,在评估模型时直接采用真实的正样本对,将人脸查找/分类的精准率作为模型评估的依据。但采用该评估方法无法对阈值进行判定,因此本文进一步提出了一种直接、简单有效的定量确定阈值的算法,能够在计算精准率的同时确定阈值。实验表明,GoogLeNet-D具有良好的人脸特征表达能力,其使用2014年-2016年170万考生共10,406,024张人脸数据做训练,在20万考生1,022,031张人脸数据的测试集上取得了98.87%的人脸分类精准率,并得出该模型的最佳阈值0.35,目前该模型已成功应用于河南省高招考试及其他招生考试中。