随着经济的快速发展,油气泵站作为国民经济能源大动脉,在促进区域经济发展方面做出了突出的贡献。而现实中的油气泵站地理位置偏僻,周围简单的安全防护措施以及人员的无法全天监护,且泵站内部光线暗、禁止强光,导致监控设备拍摄效果模糊、人脸图像灰暗等情况,严重威胁着油气泵站中的安全。因此,油气泵站安全监测俨然成为国家能源安全供应所面临的严峻挑战。人脸识别技术应用于油气泵站安全监测中,可以更方便、准确、直接地验证人员信息,对油气泵站的建设和维护起到了重要的保障。论文主要研究工作如下:(1)论文针对油气泵站中光照昏暗导致人脸识别率下降的问题,提出基于决策树与图像增强结合的光照处理方法,通过对不同暗度的人脸图像处理的实验得出,该方法与传统的光照处理方法:线性变换、指数增强、同态滤波、熵图像方法相比,明显增强人脸图像各区域的特征点。(2)研究卷积神经网络在训练样本时出现的过拟合现象,通过实验不断调整超参数提高CNN在训练样本数据集上的表现,寻找合适的Dropout值解决过拟合问题,之后建立卷积神经网络对决策树与图像增强的光照算法处理后的人脸图像进行人脸识别验证和分析。通过实验表明:论文提出的决策树与图像增强结合的光照处理方法与传统的光照处理方法:线性变换、指数增强、摘图像等方法相比,在识别率上分别提高3.01%、2.66%、1.38%,同时系统中利用的基于卷积神经网络的人脸识别方法与传统的人脸识别方法相比具有91.11%准确率,比较适合应用在人脸识别领域。(3)针对油气泵站的需求设计开发面向油气泵站安全监测人脸识别系统原型,该系统相比于其他系统来说具有可移植性好、成本低、夜间监视效果好、使用寿命长等特点。该系统原型主要包含图片对比、视频识别、人脸数据库管理功能。通过实验表明,油气泵站人脸识别系统原型具有较好的人脸识别效果,起到很好的安全监测作用。