与其他生物识别特征相比,人脸特征识别方式更友好、更隐蔽、更直接、更方便,也更不容易被欺骗,可以在被识别对象无法察觉的情况下进行身份识别。在出入境边防检查中,可以通过布设监控视频等方式,在出入境人员没有意识到的情况下,就可以进行人脸特征的识别,以达到提高出入境安全,以及出入境管理效率的目的。首先,本文采用深度学习算法解决人在不同姿态上所导致的人脸识别处理困难。通过人脸图像识别的正向转换,获得输入样本的各种抽象标识,在此基础上,反向构建生成模型,构建每一层对输入样本的表示,通过各个层表示与目标之间的调节,获得一个符合要求的深度学习模型。在深度学习算法的研究过程中,主要对深度学习算法中数据整合、构建数据立方体、调节RBM(受限玻尔兹曼机)和反馈微调等步骤进行研究,通过与PCA人脸识别算法的对比实验结果可以看出,本文所研究的基于深度学习的人脸识别算法具有更高的识别准确性,识别效果更好。其次,对出入境边防检查人脸识别系统的整体构建进行研究,主要包括负责边防检查站视频图像数据采集的视频采集端,对监控采集端所采集视频数据进行人脸识别的视频监控端,和对视频数据进行存取管理的视频数据存储端三个部分的研究。重点对采用OpenCV技术的人脸定位功能模块,和使用深度学习算法实现的人脸识别功能模块进行研究。通过对边防检查站人脸识别系统的测试结果表明,本文所研究的人脸识别系统的准确性在95%左右,而且系统的性能也能够满足边防检查站的人脸识别性能需求。