生物特征识别技术中,人脸识别技术是其经典范例,在实际生活中具有较为良好的应用前景。人脸识别技术作为诸多学者必要的研究技术,已经具备较多的研究成果。目前阶段,在简单背景或者固定场景下,人脸识别能够达到较为准确的识别效率,然而复杂场景下准确识别人脸还是一项具备挑战的技术课题。人脸在检测及特征提取过程中,背景、光照、人脸姿态、动作遮挡及表情可对上述过程产生影响,进而致使识别稳定性差,使算法识别效率降低,因此在面对银行金融系统实现身份验证过程中,鲁棒性及效率性高的人脸检测及特征提取算法对人脸识别技术具有非常重要实际应用价值。本人在银行工作,金库是银行储存现金等资产的重要场地,金库的安全对银行来说起着非常重要的作用,建立现代化的金库系统能极大的提高金库的安全性。由于金库仅能由银行相关人员及安保公司人员进出,有资格出入的人员不超过100人,因此,我设计出一款存储空间适中的、尽量不使用过于复杂的网络模型来确保高的稳定性、高的认证速度及高的准确率的产品,在使用最小资源/成本的基础上实现最高精度的人脸识别。首先,阐述课题背景及课题研究意义,梳理目前国内外有关人脸识别技术的研究文献,描述了该阶段人脸识别技术中的三个主要过程,以及对应每个步骤中运用到的机器学习算法和深度学算法等有关模型,针对现阶段的主流算法出现的问题进行总结并予以探讨。其次,面对人的姿态、人脸表情及动作遮挡等多种影响因素的人脸识别准确率将降低问题,提出了基于改进残差神经网络的人脸识别网络模型。在删减残差单元个数及合理增加残差神经网络宽度的条件下,明确给出残差神经网络模型的大小程度。并在Initial-CASIA-Web Face数据集库中进行仿真实验,结果表明,改进后的残差神经网络模型较初始神经网络具有明显的识别正确率。然后,将二维Gabor滤波器加入卷积神经网络结构中,分别构造5个尺度卷积神经网络(GCNN),比较分析毎个尺度下直接用GCNN分类、先用GCNN提取特征再用SVM分类及提取Gabor特征用PCA降维和SVM分类的结果。实验结果显示,GCNN的有效性,不管是直接分类还是用其提取特征后送给SVM分类,其训练过程相当稳定。最后,为检验系统的准确性及在银行金融监控背景下人脸识别的正确程度,在实际应用中进行了监控系统的测试,通过对测试结果的数据及功能数据的统计,具体实验结果为:1)人脸表情不过度夸张、姿态与人脸正面图片接近的情况下,系统接受率较高。脸部的倾斜角度不过度,即便存在俯视角度,也可以正确识别,以至人脸两侧有手部动作存在时也能正确接受并识别。在未能有效识别的样本图片中,人脸存在眼镜遮挡的情况,出现了识别错误或是系统不接受的现象。2)银行监控系统可实现1秒钟以内识别约30张人脸图的速率,因此系统可实现正常场景下的应用,同时也可达到实时需求。