随着人类社会的不断进步与发展,人们的生活发生巨大变化,人类的流动速度加快,对于人员的管理,尤其是在身份验证环节中,政府、企业、学校等聚集性场所需要对此进行高效、快捷、安全的核实认证。因此,何种方法运用于身份验证成为关键。传统的指纹识别虽然快速,但安全性低,不能达到非接触验证要求。随着深度学习大放异彩,尤其是运用在人脸识别领域,它的强有力特征提取和优秀的分类能力对于人脸验证有很好的鲁棒性,提高了识别的准确率和安全性。下述是本论文对深度学习在中小型公司员工身份验证上的应用所做的主要研究。(1)在身份验证的第一核心阶段,即人脸检测方面,本论文研究采用了传统的haar特征检测和基于Dlib的卷积神经网络两种检测算法,使用两种算法对人脸图像的输入进行裁剪等预处理操作,然后使用CASIA-Face V5数据集对其进行实验,对比检测准确率,在选取的测试图像中进行正脸和侧脸照的静态对比以及在实际环境中基于本人进行动态人脸检测对比,综合分析两者的检测能力。(2)通过进行人脸检测的研究与实验对比,在检测基础上使用Keras框架搭建设计卷积神经网络结构,损失函数选择交叉熵损失,引入框架中的生成器训练和数据提升等操作与haar特征检测结合作为第一个身份验证算法。使用残差网络的基础上末尾添加全连接层进行人脸特征提取,并与第二个检测方法卷积神经网络结合作为第二验证算法。使用两种识别方案在MORPH数据集进行相同训练和测试以及在实际环境中进行身份验证的测试对比,选择较优的方案作为身份验证系统的识别算法。(3)最后基于上述研究方案,本文开发了一个身份验证系统,使用Python作为后端开发语言,界面端则是利用Python第三方库Pyqt进行设计。详细介绍了系统设计、系统功能模块,并在此系统上进行人脸检测、人脸识别的实际环境测试,取得了不错的效果,也证明此系统在身份验证上的可行性。