随着互联网的蓬勃发展与人工智能技术的落地,人脸识别技术作为一项身份识别技术在各个领域有着广泛的应用,随着近年来深度学习理论的提出,每年都涌现出许多新的模型与算法,不断地刷新着人脸识别的准确率。但是这些超高的识别率往往建立在特定的条件之下,在非限制情况下,尤其是含有强烈光照情况与遮挡情况下,人脸识别的准确率急剧下降。针对遮挡情况,学者们提出并论证了许多方法,虽然这些方法被证明行之有效,但是依然未能达到非常优秀的识别率,且这些方法几乎都是使用了传统的手工特征设计加分类器的算法,在深度学习时代,面向遮挡情况下的人脸识别研究仍有很大的发展空间。本论文主要针对人脸下部区域遮挡情况下,人脸识别效果不佳的情况,提出了一种基于卷积神经网络与区域权值的算法。为与本文提出算法进行对比,本文首先介绍了传统的基于子空间回归方法的原理,并对其中两种子算法进行了介绍与实验,接着介绍了卷积神经网络的基本原理与结构,并介绍了本文使用到的VGG16网络模型与VGG FACE人脸数据库以及训练得到的VGG FACE模型,然后根据感受野理论分析了VGG16网络各层卷积层输出的FeatureMap的感受野范围,根据区域权值的思想,提出了一种变形后的截断二维高斯核模型,此模型作用于FeatureMap后,给予不同区域以不同的权值,能够在有效减小遮挡特征影响的同时尽量保留无遮挡人脸区域的特征,通过实验证明了本文提出算法效果在1:1的人脸验证与1:N的人脸识别上均好于原来的VGG FACE模型,且效果远好于传统方法。基于本文提出算法,本文设计并实现了一款人脸识别考勤系统,包括人员信息管理、考勤信息管理、考勤信息记录三大功能。在开发流程上,首先分析了考勤系统的需求用例,接着设计了系统的逻辑架构与功能架构,然后根据实际功能设计了数据库ER图与数据库表,随后使用Caffe+Pyqt+QtDesigner+Mysql等工具对软件功能进行了实现,最后设计了测试用例,在一个自建的人脸数据库CAE-FACES上对系统的功能与性能进行了测试,测试结果表明该系统具有较强的准确性与实用性。