随着互联网经济的发展,电子商务、物流运输等行业都越来越依赖于网络。认证技术是保障物流系统安全性的重要手段。网络安全和信息系统安全的第一道屏障就是身份认证技术,身份认证技术在物流安全领域中也是研究热点,物流安全中的身份认证主要对用户身份进行鉴定,确定取件者和用户是否统一,避免快件遗失的情况发生。人脸识别技术是对人脸图像进行特征提取和分析,将提取的有效面部进行建模并对后续传入的面部特征进行分类和预测的方法。人脸识别方法与传统的身份鉴定手段相比具有友好性,非接触性,实时性,隐蔽性的特点。为了能够在物流签收环节更快更好的对人脸进行识别,本文提出了一种金字塔特征优化模型。金字塔特征优化模型对卷积神经网络fc7层特征进行处理,将同一用户的多张相关联的图片特征进行按位整合,得出一个用户面部特征的特征集合。使用卷积神经网络对用户的面部特征集合进行训练得到用户的人脸识别模型,该人脸识别模型可以在不同环境下对用户进行实时的人脸识别。为了保证人脸识别签收系统能够实时的进行人脸识别,本文使用了有效帧选取方法。在该方法中,卷积神经网络对传入的视频进行特征提取,提取特征后使用敏感哈希算法(LSH)对特征进行投影,通过投影矩阵中数值的变化进行有效帧选取,其中有效帧选取的个数可以通过投影后二维矩阵的大小进行控制。该方法通过对传入视频进行有效帧选取减少了传入人脸识别模型图片的数量,提高了传入模型图片之间特征的区分度。通过该方法可以提高人脸识别模型对视频处理的准确性和实时性。