随着国民经济的不断发展和城镇化进程的快速推进,城市轨道交通系统实现了飞速发展,其在城市公共交通中承担着越来越重要的作用。近年来,人脸识别作为重要的生物特征识别方法在多个场景被大规模商用,城市轨道交通自动售检票系统也在大力发展人脸识别技术的应用。因为自动售检票系统对人脸识别准确率、实时性、互操作、可靠性等的专业性高要求,其人脸识别的计算架构需要进行专门设计。为此,论文对城市轨道交通售检票系统的人脸识别迁移式计算技术开展了研究,论文完成工作如下:（1）提出并设计了人脸识别多引擎迁移计算模式。为使系统兼容多个算法供应商和多种人脸识别引擎的互操作,根据人脸识别功能的部署位置,针对“胖端+轻云”和“瘦端+重云”两种典型计算架构,分别设计了实现多引擎间互操作的迁移式计算模式。针对云平台和终端的功能划分,设计了支持互操作端云交互协议以及相应的功能接口,使得处于云平台的人脸识别引擎可以支持不同类型的终端接入,实现终端到云平台的迁移计算以及云平台内部的迁移计算。相关实验验证了方案的有效性。（2）提出并设计了支持网络降级使用的人脸识别迁移计算架构。设计了基于乘客通行大数据的人脸库迁移策略,使得端侧人脸识别模块在无云平台计算协调下依然能够提供稳定的人脸识别过闸服务,完成人脸识别功能从云平台到终端的迁移。针对降级使用下,人脸库迁移到端侧终端阵列这种特殊场景,设计了终端阵列协同分库计算策略,实现终端内部的迁移计算。相关实验验证了方案的有效性。（3）针对轨道交通闸机检票场景,设计了基于FL计算架构的人脸识别过闸原型系统。人脸识别终端基于海思Hi3516DV300开发平台和神经网络推理框架进行软件模块开发,人脸识别云平台基于Ubuntu系统和Caffe框架进行相应软件模块的开发,最后通过模拟的实际场景对系统功能和迁移式计算的有效性进行了验证。论文最后对全文做了总结,同时展望了未来的研究方向。