随着我国经济社会的不断发展,越来越多的流动人口涌入城市就业、工作和居住,城市活力不断增强,同时也给社会治安管理造成了负担。如果流动人口得不到有效的监控和管理,会成为滋生违法犯罪的温床。旅馆和网吧是流动人口活动频繁的区域,也容易成为犯罪分子的藏匿场所,公安部门依法落实场所实名制登记制度,有助于加强社会治安管理和打击犯罪。但目前,少量网吧和旅馆的经营者由于利益驱动,不能认真落实身份证实名登记,存在冒用,借用和一卡多用的问题。个人身份信息的缺失将会造成管理失控,无法与逃犯数据库实现有效碰撞比对,存在相当大的治安风险,而仅仅依赖公安干警的巡查,会给警力造成严重负担。随着深度学习的迅猛发展,基于卷积神经网络(CNN)的人脸识别系统,因其高准确性、鲁棒性和便捷性的特点,在公共安全和金融支付等领域得到广泛的应用。在实名制登记的场景中,最突出的需求是比对现场人脸照片和身份证中电子照的一致性,但两者之间普遍存在的年龄变化,像素质量、发型光照的巨大差异,给人脸验证系统的准确性带来了严重挑战。在这种前提下,研究改进CNN以提高准确率的方法,探索人脸识别在实名登记中的应用,对依法有效落实场所实名制登记制度具有重要的现实意义。本文针对此问题,在传统CNN分类模型的基础上进行了两项主要改进:1.添加了通道池化层以加强特征选择;2.采用余弦损失替代softmax损失来缩小类内间距并增大类间间距。本文同时基于改进的CNN模型,设计并实现了一个简易的身份证人脸验证程序,验证了此方法在人脸实名登记系统中的实用能力。本文首先分析了国内外人脸识别系统的研究现状,指出了目前的实名制登记系统存在的问题。在此基础上,提出了本课题的研究意义、主要工作和创新点。然后介绍了深度学习的概念和算法,以及人脸识别系统的算法流程和处理模块,重点阐述了本文采用的MTCNN检测器和仿射对齐算法。接着在CNN基础分类网络的基础上,进行通道池化和余弦损失两项改进,在公开基准测试集LFW和实名制数据集上的实验结果都表明,改进后的CNN模型具有更好准确性和鲁棒性。最后设计并实现了基于改进CNN的身份证人脸验证程序。对比实验和试用效果表明这种基于此改进的CNN的人脸实名登记系统,可以较好地解决目前存在的身份证冒用、借用和一卡多用等现象,有助于依法落实场所实名制登记政策。