人脸作为人的一种内在生物属性,具有较强的稳定性和个体差异性,在监控视频身份验证系统中,人脸的普遍性、独特性和易采集性都有独特的优势。本文主要研究监控视频中基于深度学习的人脸检测和人脸识别算法。一般情况下,监控视频中采集的人脸具有多种姿态变化,且图像的分辨率偏低,从而给人脸的检测与识别带来很大难度。近年来随着深度学习在语言识别、图像分类等领域取得巨大成功,其深层网络结构强大的非线性表征能力也越来越被重视,已经逐渐应用至目标的检测、识别领域,在实时性和准确性都达到了应用级水准。本文针对监控视频中人脸检测与识别的难点进行分析,参照目前深度学习在人脸检测和识别及相关领域的应用,提出了一种监控视频中人脸检测和海量数据库中人脸快速检索识别的方案。本文主要研究工作如下:(1)总结了传统人脸检测识别方法的优缺点,分析深度学习理论在人脸检测和识别中的优势,以及监控视频中应用的难点。(2)针对监控视频数据量大的特点,改进了一种级联网络用于人脸检测,提升了人脸检测的速度。(3)针对目前人脸识别算法在实际应用中检索效率低的特点,设计深度神经网络,结合适当的损失函数,提出了一种人脸二值特征的提取算法,并结合K近邻检索算法,有效地提升了人脸检索的效率。(4)搭建软件操作平台,整理检测和识别算法并移植至平台,并在平台上对算法进行整体测试。