随着网约车行业的发展壮大,网约车逐渐融入人们出行的日常方式中,但由于网约车司机素质参差不齐、平台把关存在漏洞、场景复杂不受控等问题影响,广大群众越来越关注网约车出行的安全问题。在车载场景下应用人脸识别技术可以监督、规范网约车司机。但是,目前已较为成熟的二维人脸识别技术的使用场景大多都是受控的,而且二维人脸识别存在安全性不足的问题,这些问题成为了人脸识别发展的瓶颈。本课题来源于广州市某企业的科技项目,为有效解决二维人脸识别的问题,本课题采用三维人脸识别技术,而价格昂贵的三维扫描设备显然不适合应用在汽车中,因此本文借助英特尔公司开发的低成本的D435深度相机,围绕车载场景下驾驶员的图像处理、人脸检测与人脸特征提取等问题分模块进行算法的研究与应用。具体的研究内容如下:（1）基于D435深度相机的工作原理,通过相机标定、图像配准、深度图像背景剔除与深度图孔填充处理,提高人脸数据的质量,为后续人脸检测与特征提取做好基础工作。（2）针对车载环境,对传统的Ada Boost算法进行创新性改进后与肤色分割模型和深度检测模块相结合,提出一个满足实际应用场景的人脸检测算法。用自建的RGB-D人脸数据集对本文人脸检测算法进行分析,经实验验证,三者结合后能高效准确地检测出驾驶员的人脸。（3）基于多模态人脸识别的特点,本文对Res Net18进行改进,在其残差块中加入注意力机制,并对RGB和Depth模态的特征进行融合,设计一种RGB-D人脸识别算法,用基准数据集与自建的RGB-D人脸数据集分析该算法的识别精度。（4）结合本文提出的图像处理技术、人脸检测算法与人脸识别算法,构建一个人脸识别系统,并通过实车实验,验证该系统在车载场景下的人脸识别性能。实验结果证明,本文提出的算法系统在实车验证中的人脸识别的平均准确率达到96.92%,人脸识别精度较高且鲁棒性好,能有效识别网约车司机身份,起到监督作用。