近几年,随着国民生活水平的提高,人民的安防意识越来越高,但是由于我国的监控设备大都是几年前安装的监控设备,其录制的画面分辨率很低,这给很多不法分子以可乘之机。由于监控设备录制的视频很难辨别出不法分子的身份,因此切实地需要一套在低分辨率条件下也能轻松的识别出人脸位置并锁定身份的系统。因此本文将深度学习相关技术引入到监控系统中,包括基于GAN网络进行超分辨率图像重建,基于卷积神经网络的人脸检测,以及基于胶囊神经网络的人脸识别,并对其中涉及到的关键技术进行进一步深入的研究。基于SRGAN网络进行超分辨率重建,对SRGAN网络进行判别器的重新设计,为重建后的图片保留了空间位置信息,这对后续处理图片的环节打下坚实的基础。基于Faster R-CNN网络,借鉴DSFD网络的改进思想,对Faster R-CNN网络进行优化设计,从而提升人脸检测系统对有遮挡人脸的检测效果,并在有遮挡数据集widerface上进行测试,验证所设计系统的有效性。针对复杂场景下很难提取到多于一张图片的人脸,而传统的深度学习方法都属于有监督学习算法,需要大量带有标签照片人脸的数据集,而实际情况无法满足的条件,本文采用胶囊神经网络发展的第三代堆叠胶囊自编码器,结合时下最流行的Transfomer开发无监督人脸识别系统。本文采用Tensorflow深度学习框架,在验证模型的合理性以后都封装到了Flask端,并借助微信小程序平台对所研究的成果进行了展示。