人脸验证技术可以广泛应用于门禁、考勤、政府便民服务等需要身份验证的场合。随着移动设备的广泛普及以及移动互联网的不断发展,基于移动智能终端的各种应用更加符合社会公众的使用习惯。因此,如何实现便捷高效的面向移动端人脸认证及其相关的统计分析工作是当前自动化办公亟需解决的一个问题。本论文针对在移动端的人脸认证问题展开需求分析,基于人脸识别技术,设计并实现了高效的人脸认证系统,主要工作包括:1)针对人脸图像分类问题中同类特征间距不够紧凑的问题改进了损失函数,提高了移动端人脸识别的速度和准确率。采用了一种余弦空间和角度空间联合的损失函数。该方法基于MobileFaceNet网络基础,采用深度可分离卷积方式,减少了大量计算量和参数量,同时通过构建倒置残差结构,进一步降低输入和输出维度来减少在移动端的资源消耗。针对平均池化层将人脸图像的各个点权重视为同等重要会降低网络表现的问题,采用深度卷积层来提取图像特征。最后通过combiled loss损失函数来训练最优网络模型。在实验部分,将清洗、对齐并裁剪后的MS-Celeb-1M数据集经过归一化处理,将处理后的样本作为深度神经网络的输入,经过MobileFaceNets网络来提取特征,最后通过combiled loss损失函数来增大类间差异特征,同时减小类内差异特征,促使模型学习到更深度的特征以提高人脸识别的准确率。2)在人脸识别研究基础上,针对移动端人脸认证进行需求分析,给出了系统框架。设计了面向移动端人脸认证系统的功能结构、系统用户用例图以及相应的用例描述,为系统开发与实现提供了依据。3)基于上述需求分析,设计并实现了移动端人脸认证系统。以Android Studio作为开发工具,设计实现了人脸认证系统。系统主要包含移动平台图像采集模块、图像过滤和识别模块、网络通信模块、数据持久化模块以及数据采集和分析模块。系统通过基于OKHttp的Retrofit网络通信来完成标准照的传输问题。通过动态链接库技术实现人脸识别模块的部署,通过在系统的关键功能上添加事件埋点。采用AspectJ进行AOP监控,从而获取到用户比较常用、感兴趣的功能操作和相关数据以做数据分析等。