护照是一个国家或地区的政府发放给本国家或地区的公民通用的身份证件，护照查验是指在护照持有人在出入境以及一些通关应用场景下对其进行个人信息核查从而来确定其合法身份。随着全球化的发展，使用护照进行自动身份验证的场景逐渐增多，应用前景较为广泛，同时也面临着基于护照的人脸验证方法识别精度不高以及欺骗人脸攻击的安全风险。
　　首先，针对护照自动查验系统在实际应用中容易受到照片和视频等欺骗人脸攻击的问题，本文提出了一种基于深度图的人脸活体检测算法，将3D摄像头采集的人脸点云数据转换成人脸深度图，通过深度网络模型来学习输入人脸区域深度图的空间结构特征表示，与传统的基于LBP特征相比，识别准确率更高并且性能更好。其次，针对一些国家发放的护照中的文字水印会遮挡护照页面上人脸区域而影响后续的人脸验证的问题，本文提出了一种护照图像文字水印去除算法，通过不断优化平均绝对误差来训练网络模型，从而获得去除遮挡水印的干净人脸图像。最后，针对护照人脸验证场景中同类别人脸样本特征差异较大、不同类别人脸样本特征相似使得人脸验证难以准确识别的问题，本文提出了一种基于改进的ArcFaceloss的人脸验证算法，使得网络模型在训练时更加专注难以正确分类的人脸样本，增加人脸训练集中困难样本的损失贡献，同时解决了训练过程中的类别不平衡问题，通过训练学习到的判别性特征能够增大类间特征距离同时使类内特征更加紧凑，进一步提高了人脸验证准确率。
　　本文对于护照自动查验中的人脸活体检测和人脸验证等关键算法进行了深入研究，并实现了一个基于护照的安全性较强的人证核验系统，通过人脸活体检测来确保现场采集图像中人脸的真实性，通过人脸验证来鉴别护照持有人的合法身份，经过测试验证了本文所提出的护照人证核验方法的有效性和可行性。