在机场和火车站等场所，利用人证核验系统可以对证件与持证人的身份一致性进行核验，基于计算机视觉技术的智能化人证核验系统可以提升核验的效率与可靠性。在智能化人证核验系统中，图像内的复杂背景会干扰证件区域的准确定位，影响证件信息的自动识读；此外，现有的人脸验证算法不能同时兼容各类证件中不同分辨率的人脸图像。本文对人证核验系统中的证件区域定位及多分辨率人脸验证问题开展研究，并设计和实现了一套人证核验系统。
　　首先，针对复杂背景下的证件区域定位问题，本文提出了一种结合卷积神经网络与Canny算子的证件定位方法，采用一种充分利用了图像多尺度特征与高层语义信息的卷积神经网络来提取边缘，降低背景噪声的干扰，并将卷积神经网络与Canny算子输出的边缘进行融合，提升边缘的精细程度，在此基础上设计一系列规则排除非证件轮廓边缘的干扰，提升在输出的边缘图像中证件定位的准确率；然后，针对不同分辨率人脸图像的人脸验证问题，本文提出了一种基于双分支卷积神经网络的多分辨率人脸验证算法，采用两个分支网络分别提取高、低分辨率人脸图像的人脸特征，对于低分辨率人脸特征提取网络，将最小化同一人的不同分辨率人脸图像在特征空间中的距离作为网络训练目标，提升经过超分辨率重建的人脸图像在人脸验证任务中的准确率，并使用联合贝叶斯分类器对人脸特征进行分类，提升人脸验证的准确率；最后，基于上述算法设计并实现了一套具有图形用户界面的人证核验系统，包含证件信息采集、人证核验与证件信息数据库等功能。
　　在证件图像数据集上，本文提出的证件区域定位算法在平均交并比指标上优于其他几种经典方法。在包含不同分辨率人脸图像的数据集上，本文提出的多分辨率人脸验证算法在人脸验证任务中取得了更高的准确率。此外，本文设计的人证核验系统已成功应用于北京大兴机场的自助进站通道，验证了本文方法的可行性和有效性。