身份认证在如今的公共安全领域发挥着重要作用,之前的身份验证方式由于响应久、效率低、易于被遗忘等缺点,不符合当前社会的发展趋势,生物特征验证方式由于其不易被伪造,安全性强等优点,逐步发展为如今身份验证的趋势。人脸识别作为生物特征识别的一种,由于其无侵犯性、不易复制性、无人工参与等优势脱颖而出。人脸识别早在上个世纪就已经开始研究,最初是利用人工来设计特征进行人脸识别,工作耗时时间长,识别效果也不理想;随后研究者们开始转变思维方式,不再利用人工来设计特征,而是通过机器来提取特征,这一时期也提出了许多有效的方案;本世纪初由于硬件设施计算能力大幅度增强,立足于深度学习的人脸识别发展迅速,取得了显著的成果。本文介绍了当前基于SSD、FaceNet的人脸识别的算法,并在此基础上对其进行改进,最终设计出一个人脸智能小程序,在小程序端可实现人脸检测、人脸匹配两个功能。本文的主要工作如下:针对人脸检测部分,首先,对于人脸检测模型训练的数据集进行数据清洗,通过数据清洗保留符合本文场景下的人脸部分,考虑到清洗过后人脸样本会减少,再加入数据增强,从而保证样本数量和质量的稳定;其次,改进SSD网络框架结构,SSD本身是一个多分类的网络结构,为了让其更适用于人脸检测,将其多分类网络结构改为二分类;最后,更换SSD网络主干结构部分,经测试,可以准确识别单张人脸图像、多张人脸并存图像,测试准确率为90%以上。针对人脸匹配部分,首先,丰富人脸匹配模型训练的数据集,常用的人脸匹配数据集大多数都为欧美人脸,而本文最终实现的是对亚洲人脸的图像进行匹配,故在欧美人脸数据集的基础上新增了亚洲人脸数据集进行一起训练。其次,FaceNet网络数据输入是要成对输入,这就会面临正负样本比例失调的状态,本文通过引入难例样本挖掘,来解决正负样本失衡的问题,经测试,在LFW数据集上准确率达到97.75%。针对实际应用,本文基于上述人脸检测及人脸匹配算法,结合FLASK及微信开发者工具,开发了一个人脸智能检测程序,实现了人脸检测及人脸匹配环节